БГУИР...2 УДК 519.2(075.8) ББК 22.171+22.172я73. Т33 . Авторы: А. И. Волковец, А. Б. Гуринович, А. В. Гуревич, И. Е

Министерство образования Республики Беларусь

Учреждение образования

«Белорусский государственный университет

информатики и радиоэлектроники»

Факультет информационных технологий и управления

Кафедра вычислительных методов и программирования

ТЕОРИЯ ВЕРОЯТНОСТЕЙ И МАТЕМАТИЧЕСКАЯ

СТАТИСТИКА

Рекомендовано УМО по образованию в области информатики

и радиоэлектроники для специальностей 1 ступени высшего образования,

закрепленных за УМО, в качестве учебно-методического пособия

Минск БГУИР 2017

Библиотека

БГУИР

2

УДК 519.2(075.8)

ББК 22.171+22.172я73

Т33

А в т о р ы:

А. И. Волковец, А. Б. Гуринович, А. В. Гуревич, И. Е. Зайцева, Т. А. Рак,

О. О. Шатилова

Р е ц е н з е н т ы:

кафедра современных методик и технологий государственного учреждения

образования «Академия последипломного образования»

(протокол №9 от 02.11.2015);

доцент кафедры высшей математики учреждения образования

«Военная академия Республики Беларусь» Т. А. Макаревич

Т33

Теория вероятностей и математическая статистика : учеб.-метод.

пособие / А. И. Волковец [и др.]. – Минск : БГУИР, 2017. – 72 с. : ил.

ISBN 978-985-543-262-4.

Содержит задачи, рекомендуемые для решения на практических занятиях по

курсу «Теория вероятностей и математическая статистика».

УДК 519.2(075.8)

ББК 22.171+22.172я73

ISBN 978-985-543-262-4 © УО «Белорусский государственный

университет информатики

и радиоэлектроники», 2017


БГУИР

3

СОДЕРЖАНИЕ

1. Случайные события. Вероятность события ......................................................... 4

2. Теоремы сложения и умножения вероятностей .................................................. 8

3. Формула полной вероятности. Формула Байеса ............................................... 11

4. Повторения независимых опытов ....................................................................... 15

5. Случайная величина. Закон распределения ....................................................... 18

6. Числовые характеристики случайной величины ............................................... 22

7. Типовые законы распределения .......................................................................... 26

8. Функции одного случайного аргумента ............................................................. 30

9. Двухмерные случайные величины ...................................................................... 33

10. Числовые характеристики двухмерных случайных величин ......................... 37

11. Функции случайных величин ............................................................................ 40

12. Оценка закона распределения ........................................................................... 44

13. Точечные оценки числовых характеристик и параметров ............................. 49

14. Интервальные оценки числовых характеристик ............................................. 53

15. Проверка статистических гипотез о законе распределения ........................... 56

16. Оценка коэффициента корреляции и линейной регрессии ............................ 60

Приложение 1. Значения функции 21

( ) exp22

xx

................................... 64

Приложение 2. Значения функции Лапласа 2

0

1( ) exp

22

x xx dx

.............. 65

Приложение 3. Таблица распределения Стьюдента ,

,

( )k

k

t

t

t

f x dx

................... 66

Приложение 4. Таблица распределения 2 ........................................................... 67

Приложение 5. Таблица распределения Колмогорова ........................................... 68

Приложение 6. Варианты контрольной работы ...................................................... 69

Список использованных источников ...................................................................... 71


БГУИР

4

1. СЛУЧАЙНЫЕ СОБЫТИЯ. ВЕРОЯТНОСТЬ СОБЫТИЯ

Событием называется любой факт, который в результате опыта может

произойти или не произойти.

Достоверным называется событие , которое происходит в каждом

опыте.

Невозможным называется событие , которое в результате опыта

произойти не может.

Несовместными называются события, которые в одном опыте не могут

произойти одновременно.

Суммой (объединением) двух событий A и B (обозначается A+B, AB)

называется такое событие, которое заключается в том, что происходит хотя бы

одно из событий, т. е. A или B, или оба одновременно.

Произведением (пересечением) двух событий A и B (обозначается AB,

AB) называется такое событие, которое заключается в том, что оба события A

и B происходят вместе.

Противоположным событию A называется такое событие A , которое

заключается в том, что событие A не происходит.

События Ak (k = 1, 2, ..., n) образуют полную группу, если они попарно

несовместны и в сумме образуют достоверное событие.

При преобразовании выражений можно пользоваться следующими

тождествами:

; ; ; ; ;A A A A A A А A

; ; ;A A A B A B A B A B A A B A B .

Классическое определение вероятности: вероятность случайного

события A определяется по формуле

m

p An

, (1.1)

где n – число равновозможных исходов данного опыта;

m – число равновозможных исходов, приводящих к появлению события.

Геометрическое определение вероятности. Пусть в некоторую область

случайным образом попадает точка T, причем все точки области

равноправны в отношении попадания точки T. Тогда за вероятность попадания

точки T в область A принимается отношение

( )

( )

S Ap A

S

, (1.2)

где S(A) и S() – геометрические меры (длина, площадь, объем и т. д.) областей

A и соответственно.


БГУИР

5

Основные комбинаторные формулы

Пусть имеется множество X = {x1, x2, .., xn}, состоящее из n различных

элементов. (n, r)-выборкой называется множество, состоящее из r элементов,

взятых из множества X.

Упорядоченной называется выборка, для которой важен порядок

следования элементов. Если каждый элемент множества X может извлекаться

несколько раз, то выборка называется выборкой с повторениями.

Число упорядоченных (n, r)-выборок (размещений) с повторениями ˆ( , )A n r и без повторений A(n,r) равно

ˆ( , ) rA n r n , (1.3)

!

( , )( )!

nA n r

n r

. (1.4)

Если r = n, то размещения без повторений называются перестановками,

т. е. это – расположение элементов исходного множества в определенном

порядке. Число перестановок из n элементов равно

! 1 .....nP n n . (1.5)

Пустое множество можно упорядочить только одним способом:

P0 = 0! = 1.

Число неупорядоченных (n, r)-выборок (сочетаний) с повторениями ˆ rnC и

без повторений rnC равно

1 !ˆ! 1 !

rn

n rC

r n

, (1.6)

!

! !

rn

nC

r n r

. (1.7)

Число различных разбиений множества из n элементов на k

непересекающихся подмножеств (причем в первом подмножестве r1 элементов,

во втором r2 элементов и т. д., а n = r1 + r2 +... + rk) равно

1 21 2

!, ,...,

! !... !n k

k

nP r r r

r r r . (1.8)

Пример 1.1. В партии транзисторов n стандартных и m бракованных. При

контроле оказалось, что первые k транзисторов стандартны. Найти вероятность

p того, что следующий транзистор будет стандартным.

Решение. Всего осталось для проверки n + m – k транзисторов, из которых

стандартных n – k. По формуле классического определения вероятности

.n k

pn m k

Пример 1.2. Среди кандидатов в студенческий совет факультета 3

первокурсника, 5 второкурсников и 7 студентов третьего курса. Из этого


БГУИР

6

состава наугад выбирают пять человек. Найти вероятность того, что все

первокурсники попадут в совет.

Решение. Число способов выбрать пять человек из 3 + 5 + 7 = 15 равно

числу сочетаний из 15 по 5 (неупорядоченная выборка без повторений):

515

15!3003

5! 10!C

.

Выбрать трех первокурсников из трех можно одним способом.

Оставшихся двух членов совета можно выбрать 212C способами:

212

12!66

2! 10!C

.

Искомая вероятность p = 66/3003 = 2/91.

Пример 1.3. Банковский сейф имеет кодовый замок, состоящий из шести

дисков с восемью буквами на каждом. Сейф открывается при наборе

единственной комбинации букв. Злоумышленник пытается открыть сейф,

причем на проверку одной кодовой комбинации у него уходит 10 с. Какова

вероятность того, что злоумышленник успеет открыть сейф, если в его

распоряжении 1 ч?

Решение. Обозначим искомую вероятность через P(A). По формуле (1.1)

она будет равна m/n. Здесь n – общее число исходов, равное числу кодовых

комбинаций замка, оно определяется по формуле (1.3) и равно 86; m – число

благоприятствующих исходов, в данном случае равное числу комбинаций,

которые успеет испробовать злоумышленник за 1 ч, т. е. 360. Таким образом,

искомая вероятность будет равна 3

6

360( ) 1,4 10

8P A .

ЗАДАЧИ

1.1. Пусть А, B, С – три события, наблюдаемые в данном эксперименте.

Выразить следующие события через события А, В и С: D = {ни одно из трех

событий А, B, С не произойдет); Е = {из трех событий А, B, С произойдет только

одно}; F = {из трех событий произойдет только два}; G = {из трех событий

произойдет хотя бы одно]; H = {из трех событий произойдет не менее двух}.

Ответ: , , ,D ABC E ABC ABC ABC F ABC ABC ABC

,G A B C H AB AC BC .

1.2. Прибор состоит из двух блоков первого типа и трех блоков второго

типа. Прибор работает, если исправен хотя бы один блок первого типа и не

менее двух блоков второго типа. Пусть событие Аi (i = 1, 2) – означает

исправность i-го блока первого типа, а событие Bj (j = 1, 2, 3) – исправность

j-го блока второго типа. Выразить событие С, означающее работу прибора,

через события Аi и Bj.

Ответ: С = (А1 + А2)(В1 В2 + В1 В3 + В2 В3).

1.3. Пусть ( 1,3)iA i – ваша встреча с i-м другом. Назвать события:


БГУИР

7

а) 1 2 3 1 2 3 1 2 3 ;A A A A A A A A A б) 1 2 3;A A A в) 1 2 1 3 2 3;A A A A A A

г) 1 2 3 ;A A A д) 1 2 3;A A A е) 1 2 3.A A A

Ответ: а) вы не встретились только с одним другом;

б) с кем-то вы встретились; в) с двумя друзьями вы не встречались;

г) с первым другом вы встретились, а с кем-то из остальных – нет; д) вы не

встретились только со вторым другом; е) вы ни с кем не встречались.

1.4. Куб, все грани которого окрашены, распилен на тысячу кубиков

одинакового размера. Полученные кубики перемешаны. Определить вероятность

того, что наудачу извлеченный кубик будет иметь две окрашенные грани.

Ответ: 0,096.

1.5. Группа, состоящая из 8 человек, занимает места за круглым столом в

случайном порядке. Какова вероятность того, что два определенных лица

окажутся сидящими рядом?

Ответ: 2/7.

1.6. За прямоугольный стол, у которого стоит по 3 стула слева и справа, в

случайном порядке садятся 3 мальчика и 3 девочки. Какова вероятность того,

что все мальчики окажутся с одной стороны?

Ответ: 1/10.

1.7. За круглый стол в случайном порядке садятся 3 мальчика и 3 девочки.

Какова вероятность того, что все мальчики будут сидеть рядом друг с другом?

Ответ: 3/10.

1.8. Шесть человек вошли в лифт на первом этаже семиэтажного дома.

Считая, что любой пассажир может с равной вероятностью выйти на любом

этаже, кроме первого, найти вероятность того, что на каждом этаже выйдет по

одному пассажиру.

Ответ: 5/324.

1.9. Из разрезной азбуки выкладывается слово МАТЕМАТИКА. Затем все

буквы этого слова перемешиваются и выкладываются в случайном порядке.

Какова вероятность того, что снова получится слово МАТЕМАТИКА?

Ответ: 6,6 10–6

.

1.10. Самолет, имеющий радиолокационную станцию с дальностью

действия d, осуществляет поиск со скоростью ν в достаточно большом районе

площадью S, в любой точке которого может находиться в течение времени

t подводная лодка. Найти вероятность р обнаружения подводной лодки, если

время t невелико и лодка обнаруживается при попадании в зону действия

радиолокатора.

Ответ: ( πd2 + 2d ν t )/S.

1.11. Два парохода должны подойти к одному и тому же причалу. Время

прихода пароходов независимо и равновозможно в течение суток. Определить

вероятность того, что одному из пароходов придется ожидать причала, если

время стоянки первого парохода – один час, а второго – два часа.

Ответ: 139/1152.


БГУИР

8

2. ТЕОРЕМЫ СЛОЖЕНИЯ И УМНОЖЕНИЯ ВЕРОЯТНОСТЕЙ

Вероятность суммы несовместных событий A1, ... , An равна сумме

вероятностей этих событий:

1 21

n

n ii

p A A A p A

… . (2.1)

Вероятность суммы двух совместных событий равна сумме вероятностей

каждого из событий минус вероятность их совместного появления:

p(A+B) = p(A)+p(B) – p(AB). (2.2)

Вероятность суммы трех совместных событий вычисляется по

следующей формуле:

p(A+B+C) = p(A)+p(B)+p(C) – p(AB) – p(BC) – p(AC)+p(ABC). (2.3)

Вероятность суммы n событий A1, ..., An равна

1 1 2

1 1 2

1 2

1

1 1 1 1

1 11 2

1 1

( ) ( ) ( ) ...

... ( 1) ... ( ... ) ... ( 1) ( ... ).k

k

n n n n

i i i ii i i i

n nk n

i i i ni i

p A p A p A A

p A A A p A A A

С учетом того, что ( ) 1 ( )p A p A , вероятность суммы n событий

(если n > 3) удобнее вычислять по формуле

1 2 1 2( ) 1 ( )n np A A A p A A A … … . (2.4)

Вероятность произведения двух событий равна вероятности одного из

них, умноженной на условную вероятность второго при наличии первого:

( ) ( ) ( / ) ( ) ( / )p AB p A p B A p B p A B . (2.5)

Для независимых событий

( ) ( ) ( )p AB p A p B . (2.6)

Вероятность произведения n событий ( 1, 2, , )iA i n … равна

1 2 1 2 1 3 1 2

1 2 1

( ) ( ) ( / ) ( / )

( / ),

n

n n

p A A A p A p A A p A A A

p A A A A

… …

… (2.7)

где 1 1( / )k kp A A A … – вероятность появления события Ak, при условии, что

события 1 2 1, , , kA A A … в данном опыте произошли.

В случае независимых событий данная формула упрощается:

1 2 1 2( ) ( ) ( ) ( )n np A A A p A p A p A … … . (2.8)

Пример 2.1. Сообщение передается одновременно по n каналам связи,

причем для надежности по каждому каналу оно повторяется k раз. При одной

передаче сообщение (независимо от других) искажается с вероятностью p.

Каждый канал связи (независимо от других) «забивается» помехами с

вероятностью q; «забитый» канал не может передавать сообщения. Найти

вероятность того, что адресат получит сообщение без искажений.

Решение. Обозначим события:

A = {хотя бы один раз сообщение передано без искажений};


БГУИР

9

Bi = {по i-му каналу сообщение хотя бы один раз было передано без

искажений}.

Для выполнения события iB i-й канал, во-первых, не должен быть

забит помехами и, во-вторых, хотя бы одно сообщение по нему не должно быть

искажено.

Вероятность того, что канал не «забит» помехами, равна 1 – q.

Вероятность того, что хотя бы одно сообщение передано без помех, равна

1 – pk (p – вероятность того, что все сообщения переданы с искажениями).

Тогда p(B) = (1 – q)(1 – pk).

Вероятность события A, состоящего в том, что хотя бы на одном канале

произойдет событие, равна

11 1

( ) 1 ( ) 1 1 (1 ( ))n n n

i i iii i

p A p B p A p B p B

1 [1 (1 )(1 )] .k nq p

Пример 2.2. Какова вероятность угадать в спортлото «5 из 36» не менее

трех номеров?

Решение. Событие А – угадать не менее трех номеров в спортлото,

разбивается на сумму трех несовместных событий:

А3 – угадать ровно три номера;

А4 – угадать ровно четыре номера;

А5 – угадать ровно пять номеров.

При этом p(A) = p(A3) + p(A4) + p(A5), так как события несовместны.

Найдем вероятность p(A3). Для этого воспользуемся формулой (1.1). Здесь

общее число комбинаций n по формуле (1.7) будет равно числу возможных

заполнений карточек:

536

36!376992

5!(36 5)!n C

.

Число благоприятствующих комбинаций m в этом случае определяется

следующим образом. Выбрать три номера из пяти выигравших можно 35 10C

способами. Однако каждый выбор трех правильных номеров сочетается с

выбором двух неправильных номеров. Число таких выборок равно 231 465C .

Таким образом, число благоприятствующих событий равно произведению

найденных чисел: 3 25 31 10 465 4650m C C .

Тогда 1

3

4650( ) 0,123 10

376992

mP A

n

.

Аналогично вычисляются 3

4( ) 0,411 10p A , 5

5( ) 0,265 10p A . Таким

образом, искомая вероятность будет равна 1 3 5 1( ) 0,123 10 0,478 10 0,265 10 0,128 10p A .

Пример 2.3. В урне а белых и b черных шаров. Из урны вынимаются


БГУИР

10

сразу два шара. Найти вероятность того, что эти шары будут разных цветов.

Решение. Введем следующие обозначения: A – шар белый, B – шар черный,

С – шары разных цветов. Событие С может появиться в двух несовместных

вариантах: (Б, Ч) или (Ч, Б). По правилу умножения вероятностей:

( ) ( ) ( / ) ,1

b ap ВА p В p А В

a b a b

( ) ( ) ( / ) .1

a bp AB p A p B A

a b a b

По правилу сложения вероятностей несовместных событий

2( ) ( ) ( )

( )( 1)

abp C p AB p BA

a b a b

.

ЗАДАЧИ

2.1. Вероятность безотказной работы блока в течение заданного времени

равна 0,8. Для повышения надежности устанавливается такой же резервный

блок. Найти вероятность безотказной работы системы с резервным блоком.

Ответ: 0,96.

2.2. Двадцать экзаменационных билетов содержат по два

неповторяющихся вопроса. Экзаменуемый знает ответы на 35 вопросов. Найти

вероятность того, что экзамен будет сдан, если для этого достаточно ответить

на два вопроса одного билета или на один вопрос билета и один

дополнительный вопрос из других билетов.

Ответ: 0,96354.

2.3. На шахматную доску наудачу ставят две ладьи. Вычислить Р(В/А), если

А = {ладьи попали на клетки разного цвета}, В = {ладьи побьют друг друга}.

Ответ: 0,25.

2.4. Жюри состоит из трех судей. Первый и второй судьи принимают

правильное решение независимо друг от друга с вероятностью р, а третий судья

для принятия решения бросает монету. Окончательное решение жюри

принимает по большинству голосов. Какова вероятность того, что жюри примет

правильное решение?

Ответ: р.

2.5. Все трое членов жюри принимают независимо друг от друга правильное

решение с вероятностью р. Каким должно быть р, чтобы данное жюри принимало

правильное решение с большей вероятностью, чем жюри из задачи 2.4?

Ответ: р > 1/2.

2.6. Имеется 10 ключей, из которых лишь один подходит к двери. Ключи

пробуют подобрать к двери подряд. Какова вероятность, что годный ключ

попадет на четвертом шаге?

Ответ: 0,1.

2.7. Игральный кубик бросается 3 раза. Найти вероятность, что выпадет

хотя бы одна шестерка.

Ответ: 91/216.


БГУИР

11

3. ФОРМУЛА ПОЛНОЙ ВЕРОЯТНОСТИ. ФОРМУЛА БАЙЕСА

Допустим, что проводится некоторый опыт, об условиях которого можно

сделать n исключающих друг друга предположений (гипотез): {H1, H2, …, Hn},

Hi Hj = при i j.

Событие A может появляться совместно с одной из гипотез Hi. Тогда

полная вероятность события A равна

1

( ) ( ) ( / )n

i ii

p A p H p A H

. (3.1)

Если опыт произведен и произошло некоторое событие А, то определить

вероятность гипотезы Hk с учетом того, что произошло событие А, можно по

формуле Байеса:

1

( ) ( / )( ) / )

( ) ( / )

k kk n

i ii

P H P A HP H A

P H P A H

. (3.2)

Пример 3.1. В продажу поступили телевизоры трех заводов. Продукция

первого завода содержит 10 % телевизоров с дефектом, второго – 5 % и

третьего – 3 %. Какова вероятность купить неисправный телевизор, если в

магазин поступило 25 % телевизоров с первого завода, 55 % – со второго

и 20 % – с третьего?

Решение. С рассматриваемым событием A = {приобретенный телевизор

оказался с дефектом} связано три гипотезы: H1 = {телевизор выпущен первым

заводом}, H2 = {выпущен вторым заводом}, H3 = {выпущен третьим заводом}.

Вероятности этих событий определяются из условия задачи: p(H1) = 0,25;

p(H2) = 0,55; p(H3) = 0,2. Условные вероятности события A также определяются

из условия задачи: p(A/H1) = 0,1; p(A/H

2) = 0,05; p(A/H

3) = 0,03. Отсюда по

формуле полной вероятности следует:

p(A) = 0,250,1 + 0,550,05 + 0,20,03 = 0,0585.

Пример 3.2. На вход радиоприемного устройства с вероятностью 0,9

поступает смесь полезного сигнала с помехой, а с вероятностью 0,1 только

помеха. Если поступает полезный сигнал с помехой, то приемник с

вероятностью 0,8 регистрирует наличие сигнала, если поступает только помеха,

то регистрируется наличие сигнала с вероятностью 0,3. Известно, что приемник

показал наличие сигнала. Какова вероятность того, что сигнал действительно

пришел?

Решение. С рассматриваемым событием A = {приемник зарегистрировал

наличие сигнала} связано две гипотезы: H1 = {пришел сигнал и помеха},

H2 = {пришла только помеха}. Вероятности этих гипотез p(H1) = 0,9, p(H2) = 0,1.

Условные вероятности события A по отношению к гипотезам H1и H2 находим

из условия задачи: p(A/H1) = 0,8, p(A/H2) = 0,3.


БГУИР

12

Требуется определить условную вероятность гипотезы H1 по отношению

к событию A, для чего воспользуемся формулой Байеса:

1 11

1 1 2 2

( ) ( / ) 0,9 0,8( / ) 0,96

( ) ( / ) ( ) ( / ) 0,9 0,8 0,1 0,3

p H p A Hp H A

p H p A H p H A H

.

Пример 3.3. Для решения вопроса, идти в кино или на лекцию, студент

подбрасывает монету. Если студент пойдет на лекцию, он разберется в теме с

вероятностью 0,9, а если в кино – с вероятностью 0,3. Какова вероятность того,

что студент разберется в теме?

Решение. Применим формулу полной вероятности (3.1). Пусть А –

событие, состоящее в том, что студент разобрался в теме, событие (гипотеза) H1

– студент идет в кино, Н2 – студент идет на лекцию. Известны из условия

задачи следующие вероятности:

P(H1) = P(Н2) = 0,5; P(A/Н1) = 0,3; P(A/Н2) = 0,9.

Искомая вероятность события А будет равна

P(A) = P(H1) P(A/Н1) + P(Н2) P(A/Н2) = 0,5 0,3 + 0,5 0,9 = 0,6.

Пример 3.4. Пусть одна монета из 10 000 000 имеет герб с обеих сторон,

остальные монеты обычные. Наугад выбранная монета бросается десять раз,

причем во всех бросаниях она падает гербом кверху. Какова вероятность того,

что была выбрана монета с двумя гербами?

Решение. Применим формулу Байеса (3.2). Пусть событие А состоит в

том, что монета десять раз подряд падает гербом кверху. Гипотезы: H1 –

выбрана обычная монета; Н2 – выбрана монета с двумя гербами. По условию

задачи необходимо определить условную вероятность P(Н2/A). Неизвестные в

формуле (3.2) вероятности равны

P(Н1) = 0,9999999; P(Н2) = 10–7

;

P(A/Н1) = 0,510

; P(A/Н2) = 1.

Следовательно, 7

2 22 7 10

1 1 2 2

4

( ) ( / ) 10 1( / )

( ) ( / ) ( ) ( / ) 10 1 0,9999999 0,5

1,02 10 .

P H P A HP H A

P H P A H P H P A H

ЗАДАЧИ

3.1. Имеются две урны. В первой урне 2 белых и 3 черных шара, во

второй – 3 белых и 5 черных. Из первой и второй урн не глядя берут по одному

шару и кладут их в третью урну. Шары из третьей урны перемешиваются и из

нее наугад берут один шар. Найти вероятность того, что этот шар будет белый.

Ответ: 31/80.

3.2. Прибор, установленный на борту самолета, может работать в двух

режимах: в условиях нормального полета и в условиях перегрузки при

взлете и посадке. Нормальный режим полета составляет 80 % времени

полета, перегрузка – 20 %. Вероятность выхода прибора из строя за время

полета в нормальном режиме равна 0,1, в условиях перегрузки – 0,4.


БГУИР

13

Вычислить надежность прибора за время полета.

Ответ: 0,84.

3.3. Шесть шаров, среди которых 3 белых и 3 черных, распределены по

двум урнам. Наудачу выбирается урна, а из нее один шар. Как нужно

распределить шары по урнам, чтобы вероятность вынуть белый шар была

максимальной?

Ответ: в одной урне один белый шар, а в

другой – остальные.

3.4. Среди поступающих на склад деталей 30 % – из цеха №1, 70 % – из

цеха №2. Вероятность брака для цеха №1 равна 2 %; для цеха №2 – 3 %.

Наудачу взятая деталь оказалась доброкачественной. Какова вероятность того,

что она изготовлена в цехе №1?

Ответ: 0,302.

3.5. В двух коробках имеются однотипные конденсаторы. В первой

коробке 20 конденсаторов, из них 2 неисправных, во второй 10, из них

3 неисправных. Наугад взятый конденсатор оказался годным. Из какой коробки

он вероятнее всего взят?

Ответ: из первой.

3.6. Прибор состоит из двух последовательно включенных узлов.

Надежность (вероятность безотказной работы в течение времени Т) первого

узла равна 0,9, второго 0,8. За время испытаний в течение времени Т

зарегистрирован отказ прибора. Найти вероятность того, что отказал только

первый узел.

Ответ: 0,2857.

3.7. Три стрелка производят по одному выстрелу в одну и ту же мишень.

Вероятности попадания в мишень при одном выстреле для каждого стрелка

соответственно равны 70 %, 75 %, 80 %. Какова вероятность того, что второй

стрелок промахнулся, если после выстрелов в мишени осталось две пробоины?

Ответ: 0,33.

3.8. По каналу связи передается цифровой текст, содержащий только три

цифры 1, 2, 3, которые могут появляться в тексте с равной вероятностью.

Каждая передаваемая цифра в силу наличия шумов принимается правильно с

вероятностью 0,9 и с вероятностью 0,1 принимается за какую-либо другую

цифру. Цифры искажаются независимо друг от друга. Найти вероятность того,

что было передано 111, если принято 123.

Ответ: 0,027.

3.9. У рыбака имеется 3 излюбленных места для ловли рыбы, которые он

посещает с равной вероятностью. Если он закидывает удочку на первом месте,

рыба клюет с вероятностью р1; на втором – с вероятность р2; на третьем – с

вероятностью р3. Известно, что рыбак, выйдя на ловлю рыбы, три раза закинул

удочку и рыба клюнула только один раз. Найти вероятность того, что он удил

рыбу на первом месте.


БГУИР

14

Ответ:

2

1 11 3

2

1

1( / )

1i ii

p pP H A

p p

.

3.10. Элементы соединены в цепь с одним входом и одним выходом по

следующей схеме:

Отказы элементов являются независимыми событиями. Отказ любого из

элементов приводит к прерыванию сигнала в той ветви цепи, где находится

данный элемент. Изначальные вероятности отказа элементов 1, 2, 3, 4, 5

соответственно равны q1 = 0,1; q2 = 0,2; q3 = 0,3; q4 = 0,4; q5 = 0,5.

Посланный сигнал не прошел со входа на выход. Найти вероятность того,

что: а) элемент 1 отказал; б) только элемент 1 отказал; в) элемент 2 отказал;

г) только элемент 2 отказал.

Ответ: а) 0,649; б) 0,364; в) 0,481; г) 0.

3.11. На шахматную доску наугад ставятся два короля – черный и белый,

в разные клетки. Какова вероятность, что при этом получится недопустимая

позиция? Недопустимой считается позиция, когда короли стоят в соседних (в

том числе и по диагонали) клетках.

Ответ: 0,1042.

3.12. Элементы соединены в цепь с одним входом и одним выходом по

следующей схеме:

Отказы элементов являются независимыми событиями. Отказ любого из

элементов приводит к прерыванию сигнала в той ветви цепи, где находится

данный элемент. Вероятности отказа элементов 1, 2, 3, 4, 5 соответственно

равны q1 = 0,1; q2 = 0,2; q3 = 0,3; q4 = 0,4; q5 = 0,5. Найти вероятность того, что

сигнал пройдет со входа на выход.

Ответ: 0,766.

2

3

1

1

2

4

5

3


БГУИР

15

4. ПОВТОРЕНИЯ НЕЗАВИСИМЫХ ОПЫТОВ

Пусть производится n независимых одинаковых опытов. В результате

каждого опыта событие A появляется с вероятностью р. Вероятность P(n,k)

того, что в последовательности из n опытов событие А произойдет ровно k раз

(формула Бернулли), равна

!

( , ) ,0! ( )!

k k n k k n kn

nP n k C p q p q k n

k n k

, (4.1)

где q = 1 – р – вероятность того, что событие А не произойдет в одном опыте.

Вычисление вероятностей ( , )P n k при больших значениях n по формуле

Бернулли проблематично. Поэтому вычисление соответствующих вероятностей

проводится с помощью следующих приближенных формул:

1) если количество испытаний велико n , а вероятность события мала

0p , так что , 0np a a и 1

pn

, то используется формула Пуассона:

( , ) , 0,!

kaa

P n k e k nk

; (4.2)

2) если количество испытаний n велико, вероятности p и q не малы, так

что выполняются следующие условия:

0 3 , 3np npq np npq n ,

то применяются приближенные формулы Муавра – Лапласа:

– локальная ( )

( , ) ,x

P n knpq

(4.3)

где 21

( ) exp ,22

xx

k npx

npq

;

– интегральная 1 2 2 1( , ) ( ) ( )P n k k k x x , (4.4)

где 11

( )k npx

npq

, 2

2

( )k npx

npq

;

2

0

1( ) exp

22

x xx dx

– функция Лапласа.

Функции ( )x и ( )x табулированы (прил. 1, 2). При использовании

таблиц следует помнить, что ( )x является четной ( ( ) ( )x x ), а функция

Лапласа – нечетной ( ( )= ( )x x ).

Пусть производится серия из n независимых испытаний, в результате

каждого из которых может появиться одно из событий A1, A2, ... , Ar с

вероятностями p1, p2, ... , pr соответственно.

Вероятность того, что в серии из n испытаний событие A1 наступит ровно

k1 раз, событие A2 – k2 раз, ..., событие Ar – kr раз (k1 + ... + kr = n) равна


БГУИР

16

1 21 1 2

1

!( , , ..., ) ... .

! ... !rk k k

r rr

nP n k k p p p

k k (4.5)

Пример 4.1. По каналу связи передается n = 6 сообщений, каждое из

которых независимо от других, с вероятностью p = 0,2 оказывается

искаженным. Найти вероятности следующих событий:

A = {ровно два сообщения из шести искажены},

B = {не менее двух сообщений из шести искажены},

C = {все сообщения будут переданы без искажений},

D = {все сообщения будут искажены}.

Решение. По формуле Бернулли (4.1)

2 2 4 2 46

6!( ) (1 ) 0,2 0.8 0,24576

4! 2!P A C p p

,

P(B) = P(6,2) + P(6,3) + P(6,4) + P(6,5) + P(6,6) = 1 – P(6,0) – P(6,1) = 0 0 6 1 1 5 6 1 56 61 (1 ) (1 ) 1 0,8 6 0,2 0,8 0,345C p p C p p ,

6( ) (1 ) 0,262P C p , 6 6( ) 0,2 0,000064P D p .

Пример 4.2. Вероятность появления события A за время испытаний

равна 0,8. Определить вероятность того, что в 100 испытаниях событие A

появится: а) 80 раз; б) не менее 75 и не более 90 раз; в) не менее 75 раз.

Решение.

1. Воспользуемся локальной теоремой Муавра – Лапласа:

( ) 80 100 0,8(100,80) , 0.

100 0,8 0,2 100 0,8 0,2

xP x

(0) = 0,3989, тогда P(100,80) = 0,0997.

2. Согласно интегральной теореме Муавра – Лапласа

P(100,75 < k < 90) =90 80 75 80

4 4

= (2,5) – (–1,25) = (2,5) + (1,25).

Значение функции Лапласа определяем по таблице Лапласа: (2,5) =

= 0,4938; (1,25) = 0,3943.

P(100, 75 < k < 90) = 0,8881.

ЗАДАЧИ

4.1. Устройство состоит из восьми независимо работающих элементов.

Вероятности отказов каждого из элементов за время Т одинаковы и равны р

= 0,2. Найти вероятность отказа прибора, если для этого достаточно, чтобы

отказали хотя бы три элемента из восьми.

Ответ: 0,203.

4.2. На контроль поступила партия деталей из цеха. Известно, что 5 % всех

деталей не удовлетворяют стандарту. Сколько нужно испытать деталей, чтобы с

вероятностью не менее 0,95 обнаружить хотя бы одну нестандартную деталь?

Ответ: n > 59.


БГУИР

17

4.3. Вероятность появления события в одном опыте равна 0,78. Чему

равно наивероятнейшее число наступления события в 150 опытах?

Ответ: 117.

4.4. Вероятность появления событий в каждом из 100 независимых

испытании равна р = 0,8. Найти вероятность того, что событие появляется не

менее 75 раз и не более 90 раз?

Ответ: 0,888.

4.5. При передаче сообщения вероятность искажения одного знака равна

0,1. Найти вероятность того, что сообщение из 10 знаков: а) не будет искажено;

б) содержит три искажения; в) содержит не более трех искажений.

Ответ: а) 0,3487; б) 0,0574; в) 0,9872.

4.6. Из одной ЭВМ в другую необходимо переслать файл объемом 10 000

символов. Вероятность ошибки при передаче символа составляет 0,001.

Необходимо: а) вычислить вероятность того, что в переданном файле будет

ровно 10 ошибок; б) определить, какова должна быть вероятность ошибки при

передаче одного символа, чтобы вероятность передачи всего файла без ошибок

составила 0,99.

Ответ: а) 0,12511; б) 1,00510–6

.

4.7. Вероятность появления события в каждом из независимых испытаний

равна 0,8. Сколько нужно провести испытаний, чтобы с вероятностью 0,9

можно было ожидать, что событие появится не менее 75 раз.

Ответ: 100.

4.8. Вероятность успеха в каждом испытании равна р. Найти вероятность

того, что k-й по порядку успех происходит в n-м испытании. Вычислить эту

вероятность для р = 0,7, k = 5, n = 12.

Ответ: 0,0291117.

4.9. Вероятность того, что приобретенный товар потребует ремонта в

течение гарантийного срока, равна 0,4. Найти вероятность того, что в течение

гарантийного срока из 5 товаров: а) не более одного потребует ремонта; б) хотя

бы один не потребует ремонта.

Ответ: а) 0,3369

б) 0,9897.

4.10. Что более вероятно, выиграть в компьютерную игру у команды

противника с равносильными шансами не менее двух боев из семи или

проиграть не более трех боев из десяти?

Ответ: выиграть не менее двух боев из семи

вероятнее.

4.11. Монета бросается 1000 раз. Найти вероятность, что количество

выпавших гербов будет лежать в интервале: а) от 480 до 520; б) от 450 до 550.

Ответ: а) ≈ 0,8; б) ≈ 0,998.


БГУИР

18

5. СЛУЧАЙНАЯ ВЕЛИЧИНА. ЗАКОН РАСПРЕДЕЛЕНИЯ

Под случайной величиной (СВ) понимается величина, которая в

результате опыта со случайным исходом принимает то или иное значение,

причем заранее, до опыта, неизвестно, какое именно. Случайные величины в

зависимости от вида множества значений могут быть дискретными (ДСВ) или

непрерывными (НСВ).

Закон распределения случайной величины – это любая функция, таблица,

правило и т. п., устанавливающая соответствие между значениями случайной

величины и вероятностями ее наступления.

Функцией распределения случайной величины X называется вероятность

того, что она примет значение меньшее, чем аргумент функции x:

F(x) = p{X < x}. (5.1)

Свойства функции распределения:

1. F(–) = 0.

2. F(+) = 1.

3. F(x1) F(x2), при x1 < x2.

4. p(a X < b) = F(b) – F(a). (5.2)

Рядом распределения дискретной СВ X называется таблица, в верхней

строке которой перечислены все возможные значения СВ x1, x2, ..., xn (xi–1 < xi),

а в нижней – вероятности их появления p1, p2, ... , pn , где pi = p{X = xi}.

xi x1 x2 ... xn

pi p1 p2 ... pn

Так как события {X = x1}, ... , {X = xn} несовместны и образуют полную

группу, то справедливо контрольное соотношение

p1 + p2 + ... + pn = 1. (5.3)

Функция распределения любой дискретной СВ есть разрывная ступенчатая

функция, скачки которой происходят в точках, соответствующих возможным

значениям случайной величины, и равны вероятностям этих значений:

( ) ( )

i

ix x

F x p X x

. (5.4)

Плотностью распределения (плотностью вероятности) f(x) непрерывной

случайной величины X называется производная ее функции распределения:

0 0

{ } ( ) ( ) ( )( ) lim lim ( )

x x

P x X x x F x x F x dF xf x F x

x x dx

. (5.5)

Основные свойства плотности распределения:

1. Плотность распределения неотрицательна: f(x) 0.

2. Условие нормировки: ( ) 1.f x dx

(5.6)

3. Вероятность попадания случайной величины X на произвольный

участок [a, b[ равна


БГУИР

19

1 2 3 4 5

x

F (x)

1

0,5

{ } ( ) .b

a

p a X b f x dx (5.7)

4. Функция распределения F(x) случайной величины X выражается через

ее плотность:

( ) { } { } ( ) .x

F x p X x p X x f x dx

(5.8)

Пример 5.1. По одной и той же стартовой позиции противника

производится пуск пяти ракет, причем вероятность попадания в цель при

каждом пуске одной ракеты равна 0,6. Число попаданий в цель – случайная

величина X. Определить ряд распределения и функцию распределения

величины X.

Решение. Случайная величина X может принимать следующие значения:

0, 1, 2, 3, 4, 5. Найдем вероятность принятия величиной X этих значений,

используя формулу Бернулли:

5 5P 0 (1 ) 0,4 0,01024X p ,

1 4 45P 1 (1 ) 5 0,6 0,4 0,0768X C p p ,

2 2 3 2 35P 2 (1 ) 10 0,6 0,4 0,2304X C p p ,

3 3 2 3 25P 3 (1 ) 10 0,6 0,4 0,3456X C p p ,

4 4 45P 4 (1 ) 5 0,6 0,4 0,2592X C p p ,

5 5P 5 0,6 0,07776X p .

Ряд распределения имеет вид

xi 0 1 2 3 4 5

pi 0,01024 0,0768 0,2304 0,3456 0,2592 0,07776

Функцию распределения определим по формуле (5.4) для переменных:

0x ( ) 0F x ,

0 1x 0( ) 0,01024F x p ,

1 2x 0 1( ) 0,08704F x p p ,

2 3x 0 1 2( ) 0,31744F x p p p ,

3 4x 0 1 2 3( ) 0,66304F x p p p p ,

4 5x 0 1 2 3 4( ) 0,92224F x p p p p p ,

5x 0 1 2 3 4 5( ) 1F x p p p p p p .

x ≤0 ]0;1] ]1;2] ]2;3] ]3;4] ]4;5] >5

F(x) 0 0,01024 0,08704 0,31744 0,66304 0,92224 1

Пример 5.2. Случайная величина X распределена по закону,

определяемому плотностью вероятности вида


БГУИР

20

cos , / 2 / 2,( )

0, / 2.

c x xf x

x

Найти константу c, функцию распределения F(x) и вычислить p{|x| < /4}.

Решение. Константу с вычислим исходя из условия нормировки: /2

/2

/ 2( ) cos sin 2 1

/ 2f x dx c xdx c x c c c

,

откуда с = 0,5.

Так как плотность вероятности задана различными формулами на разных

интервалах, то и функцию распределения будем искать для каждого интервала

в отдельности:

для x < –/2 ( ) ( ) 0 0x x

F x f y dy dy

,

для –/2 x /2 /2

/2

cos sin 1 sin( ) 0

/ 22 2 2

x xy y xF x dy dy

,

для x > /2 /2 /2

/2 /2

cos( ) 0 0 1

2

xyF x dy dy dy

.

Окончательно имеем

0, / 2,

( ) (1 sin ) / 2, / 2,

1, / 2.

x

F x x x

x

Вероятность p{|x| < /4}=2 1 2 1 2

4 4 4 2 4 2 2F F

.

ЗАДАЧИ

5.1. На проверку поступают партии из четырех приборов. Проверка

партии прекращается после обнаружения первого неисправного прибора.

Вероятность того, что прибор пройдет проверку, равна 0,6. Случайная величина

X – число проверенных приборов в одной партии. Определить ряд

распределения, функцию распределения F(x) и построить ее график.

Ответ:

xi 1 2 3 4

pi 0,4 0,24 0,144 0,216

x ≤1 ]1;2] ]2;3] ]3;4] >4

F(x) 0 0,4 0,64 0,784 1

5.2. Случайная величина X принимает значения Х = i (i =1, 2, ...) с

вероятностью p{Х = i} = 2–i. Найти функцию F(х) и вычислить p{3 X 6}.

Ответ: ( ) = 2-i

i<x

F x ; p(3 X 6) = 0,2344.


БГУИР

21

5.3. Из десяти транзисторов, среди которых два бракованных, случайным

образом выбраны два транзистора для проверки их параметров. Определить и

построить: а) ряд распределения случайного числа X бракованных транзисторов в

выборке; б) функцию распределения F(х) величины X; в) вычислить p{X 0,5},

p{X < 1,5}.

Ответ:

а)

xi 0 1 2

pi 28/45 16/45 1/45

б)

x ≤0 ]0;1] ]1;2] >2

F(x) 0 28/45 44/45 1

в) p{X 0,5} = 44/45, p{X < 1,5} = 17/45.

5.4. Точку бросают наудачу внутрь круга радиусом R. Вероятность ее

попадания и любую область, расположенную внутри круга, пропорциональна

площади этой области. Найти функцию распределения расстояния от

случайной точки до центра круга.

Ответ: 2

0, 0,

( ) ,0 ,

1, .

x

F x x x R

x R

5.5. Для случайной величины X плотность вероятности f(x) = аx при

x [0; 2], f(x) = 0 при x < 0 и x > 2. Найти коэффициент а, функцию

распределения F(x), вероятность попадания на отрезок [1; 2].

Ответ: а = 0,5; 2

0, 0,

( ) 0,25 ,0 2,

1, 2.

x

F x x x

x

p{X[1; 2]} = 0,75.

5.6. Функция распределения случайной величины X имеет вид

F(x) = b + c∙arctg(x/a), – ∞ < x < ∞.

Чему должны быть равны a, b и с? Найти плотность вероятности.

Ответ: a > 0, b = 0,5, с = 1/π, 2 2

( )( )

af x

x a

.

5.7. У Владимира три действующие частные фирмы. У каждой фирмы

риск банкротства в течение года составляет 10 %. Составьте ряд распределения

числа фирм, которые могут обанкротиться в течение следующего года.

x 0 1 2 3

p 0,729 0,243 0,027 0,001


БГУИР

22

6. ЧИСЛОВЫЕ ХАРАКТЕРИСТИКИ СЛУЧАЙНОЙ ВЕЛИЧИНЫ

Математическое ожидание характеризует среднее значение СВ и

определяется по формуле

1

для ДСВ,

= [ ]

( ) для НСВ.

N

i ii

X

x p

m M X

x f x dx

(6.1)

Свойства математического ожидания:

1. M[c] = c.

2. M[X+c] = M[X] + c.

3. M[cX] = cM[X].

Начальный момент k-го порядка СВ X есть математическое ожидание

k-й степени этой случайной величины:

1

для ДСВ,

( ) [ ]

( ) для НСВ.

Nki i

ikk

k

x p

x M X

x f x dx

(6.2)

Центрированной случайной величиной X называется СВ,

математическое ожидание которой находится в начале координат (в центре

числовой оси) [ ] 0M X .

Операция центрирования (переход от нецентрированной величины Х к

центрированной X ) имеет вид

XX X m .

Центральный момент порядка k СВ X есть математическое ожидание k-й

степени центрированной случайной величины X :

1

( ) для ДСВ,

( ) [ ]

( ) ( ) для НСВ.

Nk

i X iik

kk

X

x m p

x M X

x m f x dx

(6.3)

Дисперсия случайной величины характеризует степень рассеивания

(разброса) значений случайной величины относительно ее математического

ожидания и определяется по следующей формуле:


БГУИР

23

22 2

2 2 2

1 1

2 2 2

[ ] ( ) (x)

( ) для ДСВ,

( ) ( ) ( ) для НСВ.

x X

N N

i X i i i Xi i

X X

D D X x m

x m p x p m

x m f x dx x f x dx m

(6.4)

Свойства дисперсии:

1. D[c] = 0.

2. D[X+c] = D[X].

3. D[cX] = c2D[X].

Средним квадратическим отклонением (СКО) СВ X называется

характеристика

[ ] [ ]X X D X . (6.5)

СКО измеряется в тех же физических единицах, что и СВ, и

характеризует ширину диапазона значений СВ.

Правило 3. Практически все значения СВ находятся в интервале

[mX – 3X; mX + 3X]. (6.6)

Модой (Mo) случайной величины называется ее наиболее вероятное

значение, т. е. то значение, для которого вероятность pi (для дискретной СВ)

или f(x) (для непрерывных СВ) достигает максимума.

Медианой (Me) случайной величины X называется такое ее значение, для

которого выполняется условие p{X < Me} = p{X Me}. Медиана, как правило,

существует только для непрерывных случайных величин.

Квантилью (p) случайной величины X является такое ее значение, для

которого выполняется условие p{X < p} = F(p) = p.

Пример 6.1. Из партии численностью 25 изделий, среди которых имеется

шесть нестандартных, случайным образом выбраны три изделия. Найти

математическое ожидание и среднее квадратическое отклонение нестандартных

изделий, содержащихся в выборке.

Решение. По условию задачи CB X принимает следующие значения: x1 =

0; x2 = 1; x3 = 2; x4 = 3. Вероятность того, что в этой выборке окажется ровно

i (i = 0, 1, 2, 3) нестандартных изделий, вычисляется по формуле 3

6 19

25

{ } ,i i

i i i

C Cp P X x

C

откуда p1 = 0,41; p2 = 0,43; p3 = 0,11; p4 = 0,05.

Дисперсию определим по формулам:

D[X] = α2(x) – (M[X])2,

M[X] = 00,41 + 10,43 + 20,11 + 30,05 = 0,8,

α2(x) = 00,41 + 10,43 + 220,11 + 3

20,05 = 1,32,

D[X] = 1,32 – (0,8)2 = 0,68.


БГУИР

24

Тогда [ ] [ ] 0,82X D X .

Пример 6.2. Непрерывная CB распределена по закону Лапласа:

( )x

f x b e

. Найти коэффициент b, математическое ожидание M[X],

дисперсию D[X], среднее квадратическое отклонение [X].

Решение. Для нахождения коэффициента b воспользуемся свойством

нормировки плотности распределения 0

( ) 2 2 1xf x dx b e dx b

, откуда

b = 1/2. Так как функция x

xe

– нечетная, то 0,5 0x

M X xe dx

,

дисперсия D[X] и СКО X соответственно равны:

2 2

0

0,5 2 0,5 2x x

D X x e dx x e dx

,

2X D X .

ЗАДАЧИ

6.1. По условию задачи 5.1 определить математическое ожидание, второй

начальный момент, дисперсию и СКО СВ X.

Ответ: 22,176; ( ) 6,112; 1,377; 1,17.X X Xm x D

6.2. Из урны, содержащей 4 белых и 6 черных шаров, случайным образом,

без повторений извлекаются 3 шара. СВ X – число белых шаров в выборке.

Определить закон распределения и найти математическое ожидание и

дисперсию СВ X.

Ответ: M[Х] = l,2; D[X] = 0,56.

6.3. В партии из n изделий k бракованных. Для проверки наудачу

выбирается m изделий. Найти математическое ожидание числа бракованных

изделий, содержащихся в выборке. Вычислить математическое ожидание при

n = 20, k = 3; m = 5.

Ответ: 137/228.

6.4. Дискретная случайная величина Х имеет только два возможных

значения х1 и х2, причем х2 > х1. Вероятность того, что Х примет значение х1,

равна 0,6. Найти закон распределения величины Х, если математическое

ожидание М(х) = 1,4, D(х) = 0,24.

Ответ:

xi 1 2

pi 0,6 0,4

6.5. Случайная величина X задана функцией распределения:

1

0, 1,( )

(1 ), 1.x

xF x

A e x


БГУИР

25

Найти постоянную А, математическое ожидание, математическое

ожидание квадрата СВ X и дисперсию СВ X.

Ответ: 1, 2, [ ] 5, 1X XA m M X D .

6.6. Случайная величина X задана функцией:

0, 2,

( ) (1 cos ), 2 2,

1, 2.

x

F x A bx x

x

Определить, является ли данная функция функцией распределения, если

да, то найти: а) постоянную А; б) математическое ожидание СВ X;

в) математическое ожидание квадрата СВ X; г) третий центральный момент

СВ X; д) дисперсию СВ X.

Ответ: не является функцией распределения.

6.7. Случайная величина X задана функцией распределения:

2

0, 0,

( ) ,0 3,12

1, 3.

x

x xF x x

x

Найти математическое ожидание, дисперсию, СКО, моду и медиану СВ

X.

Ответ: 1,875; 0,6094; 0,78; 3; 2.X X Xm D Mo Me

6.8. Случайная величина Х задана функцией распределения F(x):

2

0, 0,

1( ) 3 2 , 0 ,

3

11, .

3

x

F x x x x

x

Найти математическое ожидание, дисперсию случайной величины Х.

Ответ: ( ) 0,1852; ( ) 0,0432; ( ) 1,47.M x D x x


БГУИР

26

7. ТИПОВЫЕ ЗАКОНЫ РАСПРЕДЕЛЕНИЯ

Дискретная СВ Х имеет геометрическое распределение, если она

принимает значения 0, 1, … , с вероятностями

( ) iip X i p q p , (7.1)

где p – параметр распределения (0 ≤ p ≤1), q = 1 – p.

Числовые характеристики геометрического распределения: 2/ , /X Xm q p D q p .

Дискретная СВ X имеет биномиальное распределение, если она

принимает значения 0, 1, … , n со следующими вероятностями:

!

( )!( )!

i n ii

np X i p p q

i n i

, (7.2)

где n, p – параметры распределения (0 ≤ p ≤1), q=1 – p.

Числовые характеристики биномиального распределения:

,X Xm np D nqp .

Дискретная СВ Х имеет распределение Пуассона, если она принимает

значения 0, 1, … , со следующими вероятностями:

( )!

ia

i

ap X i p e

i

, (7.3)

где a – параметр распределения (a >0).

Числовые характеристики пуассоновской СВ:

,X Xm a D a .

Непрерывная СВ Х имеет равномерное распределение, если ее плотность

вероятности в некотором интервале а; b] постоянна, т. е. если все значения X в

этом интервале равновероятны:

0, ,

1( ) , ,

0, .

x a

f x a x bb a

x b

0, ,

( ) , ,

1, .

x a

x aF x a x b

b a

x b

(7.4)

Числовые характеристики равномерно распределенной СВ: 2( )

,2 12

X X

a b b am D

.

Непрерывная СВ T, принимающая только положительные значения,

имеет экспоненциальное распределение, если ее плотность вероятности и

функция распределения равны:

, 0,

( )0, 0.

te tf t

t

1 , 0,( )

0, 0,

te tF t

t

(7.5)

где – параметр распределения ( > 0 ).

Числовые характеристики экспоненциальной СВ:


БГУИР

27

21/ , 1/T Tm D .

Непрерывная СВ Х имеет нормальное распределение, если ее плотность

вероятности и функция распределения равны:

2

2

1 ( )( ) exp

2 2

x af x

, ( ) 0,5 ,

x mF x

(7.6)

где m, σ – параметры распределения (σ > 0),

2

2

0

1( )

2

tx

x e dt

– функция

Лапласа.

Значения функции Лапласа приведены в прил. 2. При использовании

таблицы значений функции Лапласа следует учитывать, что (– x) = – (x),

(0) = 0, () = 0,5.

Числовые характеристики нормальной СВ: 2,X Xm m D ,

2[ /2]

0

( / 2)( ) !

( 2 )! !

k i iI k

ki

mx k

k i i

,

/22

0, нечетное,

( ) !, четное.

( / 2)! 2

kk

k

x kk

k

Пример 7.1. Время безотказной работы аппаратуры является случайной

величиной Х, распределенной по экспоненциальному закону. Среднее время

безотказной работы составляет 100 ч. Найти вероятность того, что аппаратура

проработает больше среднего времени.

Решение. Так как среднее время безотказной работы, т. е. математическое

ожидание, равно 100 ч, то параметр λ экспоненциального закона будет равен

1/ 1/100 0,01Xm . Искомая вероятность будет равна 1( ) (100 ) 1 (100) 0,368.Xp X m p X F e

Пример 7.2. Для замера напряжения используются специальные датчики.

Определить среднюю квадратическую ошибку датчика, если он не имеет

систематических ошибок, а случайные величины распределены по

нормальному закону и с вероятностью 0,8 не выходят за пределы ±0,2.

Решение. Из условия задачи следует, что p(–0,2 < X < 0,2) = 0,8. Так как

распределение ошибок нормальное, а математическое ожидание m равно нулю

(систематические ошибки отсутствуют), то

р{–0,2 < X < 0,2} = Ф(–0,2/σ) – Ф(0,2/σ) = 2Ф(0,2/σ) = 0,8 .

По таблице функции Лапласа находим аргумент 0,2/σ =1,28, откуда

σ = 0,2/1,28 = 1,0156.


БГУИР

28

ЗАДАЧИ

7.1. По каналу связи пересылается пакет информации до тех пор, пока он

не будет передан без ошибок. Вероятность искажения пакета равна 0,1, найти

среднее количество попыток передать пакет.

Ответ: 1,11.

7.2. При работе прибора в случайные моменты времени возникают

неисправности. Количество неисправностей, возникающих за определенный

промежуток времени, подчиняется закону Пуассона. Среднее число

неисправностей за сутки равно двум. Определить вероятность того, что: а) за

двое суток не будет ни одной неисправности; б) в течение суток возникнет хотя

бы одна неисправность; в) за неделю работы прибора возникнет не более трех

неисправностей.

Ответ: а) 0,018; б) 0,865; в) 0,004.

7.3. Шкала рычажных весов имеет цену деления 1 г. При измерении массы

отсчет делается с точностью до целого деления с округлением в ближайшую

сторону. Какова вероятность того, что абсолютная ошибка определения массы: а)

не превысит величины среднего квадратического отклонения возможных ошибок

определения массы; б) будет заключена между значениями и 2X X .

Ответ: а) 1

3; б)

11

3 .

7.4. Случайная величина X распределена по нормальному закону с

математическим ожиданием MX = 5 и дисперсией DX = 9. Записать формулы для

f(x) и F(x). Найти вероятность того, что: а) 8 < X < 11; б) 2 ≤ X ≤ 9; в) X > 0.

Ответ: а) 0,136; б) 0,75; в) 0,952.

7.5. СВ X – ошибка измерительного прибора – распределена нормально с

дисперсией 16 мВ2. Систематическая ошибка прибора отсутствует. Вычислить

вероятность того, что в пяти независимых измерениях ошибка: а) превысит по

модулю 6 мВ не более трех раз; б) хотя бы один раз окажется в

интервале (0,5; 3,5) мВ.

Ответ: а) 0,999; б) 0,747.

7.6. Случайная величина X распределена по нормальному закону с

математическим ожиданием a = 30 и средним квадратическим значением

равным 14. Используя функцию Лапласа, найти вероятность того, что в

результате испытания случайная величина примет значение в интервале

[–50,78].

Ответ: 0,9996.

7.7. Дана плотность распределения времени безотказной работы прибора

в течение года:

0,0

0,2)(

2

t

tetf

t

.

Необходимо: а) найти формулу функции распределения этой случайной

величины; б) определить вероятность того, что прибор проработает не более


БГУИР

29

года; в) определить вероятность того, что прибор безотказно проработает три

года; г) определить среднее ожидаемое время безотказной работы прибора.

Ответ: а)

0,0

0,1)(

2

t

tetF

t

;

б) 0,86; в) 0,05; г) 0,5.


БГУИР

30

8. ФУНКЦИИ ОДНОГО СЛУЧАЙНОГО АРГУМЕНТА

Рассмотрим функцию одного случайного аргумента Y = (X). Если X –

непрерывная случайная величина, то плотность вероятности g(y) величины Y

определяется по формуле

1

( ) ( ( )) ( )k

j jj

g y f y y

, (8.1)

где f(х) – плотность вероятности величины X;

j(y) – функции, обратные функции (x);

k – число обратных функций для данного y.

Весь диапазон значений Y необходимо разбить на интервалы, в которых

число k обратных функций постоянно, и определить вид g(y) по формуле (8.1)

для каждого интервала.

Если X – дискретная случайная величина, принимающая значения xi, то

величина Y будет принимать дискретные значения yi = (xi) с вероятностями

p(yi) = p(xi).

Числовые характеристики функции Y = (X) одного случайного аргумента

X определяются по следующим формулам:

– начальные моменты:

1

( ) , для ДСВ,

( ) [ ] [ ( )]

( ) ( ) , для НСВ;

nk

i iik k

kk

x p

y M Y M x

x f x dx

(8.2)

– математическое ожидание:

1[ ] [ ( )] ( )ym M Y M x x ; (8.3)

– центральные моменты:

1

( ( ) ) , для ДСВ,

( ) [( ) ]

( ( ) ) ( ) , для НСВ;

nk

i y iik

k Yk

y

x m p

y M Y m

x m f x dx

(8.4)

– дисперсия:

2 22 2( ) [( ) ] ( )Y Y YD y M Y m y m . (8.5)

Пример 8.1. Определить плотность вероятности величины Y = X2, если X –

случайная величина, равномерно распределенная на интервале –1, 2.

Решение. Так как Х равномерно распределена в интервале –1, 2, то ее

плотность вероятности по формуле (7.4) равна

1/ 3, 1 2,( )

0, 1, 2.

xf x

x x


БГУИР

31

Построим график величины Y = X2 для x в интервале –1, 2 и в

зависимости от числа k обратных функций выделим следующие интервалы для

Y (рис. 8.1):

(–, 0) k = 0,

[0, 1] k = 2,

(1, 4] k = 1,

(4, +) k = 0.

Так как на интервалах (–, 0) и (4, +)

обратная функция не существует, то для этих

интервалов g(y)=0.

В интервале [0,1] две обратные функции:

1(y) = + y и 2(y) = – y .

По формуле (8.1) получим

1 1 2 2( ) ( ( )) ( ) ( ( )) ( )

1 1 1( ) ( ) .

2 2 3

x x

x x

g y f y y f y y

f y f yy y y

В интервале (1,4] одна обратная функция

1(y) = + y , следовательно,

1 1

1 1( ) ( ( )) ( ) ( )

2 6x xg y f y y f y

y y .

Таким образом, плотность вероятности величины Y равна

0, 0,

1, 0 1,

3( )

1,1 4,

6

0, 4.

y

yy

g y

yy

y

Пример 8.2. Случайная величина X равномерно распределена от –1 до +1.

Определить математическое ожидание и дисперсию величины Y = X2.

Решение. Плотность вероятности СВ X равна

0,5, 1 1,( )

0, 1, 1.

xf x

x x

Вычислим математическое ожидание Y по формуле (8.3): 1

2 2

1

1[ ] 0,5

3ym M X x dx

.

Дисперсию Dy рассчитаем по формуле (8.5):

Рис. 8.1


БГУИР

32

12 2 2 2 2 2

1

4[( ) ] ( ) 0,5

45y Y yD M X m x dx m

.

ЗАДАЧИ

8.1. Случайная величина X задана рядом распределения

xi –1 0 1

pi 0,7 0,2 0,1

Построить ряд распределения для Y = X 2.

Ответ:

yi 0 1

pi 0,2 0,8

8.2. Определить плотность вероятности величины Y = lnX, если X –

случайная величина, равномерно распределенная на интервале (1, 3).

Ответ: 0,5 , 0 ln3,

( )0, 0, ln3.

ye yg y

y y

8.3. Определить плотность вероятности величины Y = |X|, если X –

случайная равномерно распределенная величина со следующими

характеристиками mx = 1, Dx = 1, и вычислить вероятность того, что р{1 ≤ Y < 2}.

Ответ:

0, 0, 2,73,

1( ) ,0 0,73,

3

1,0,73 2,73.

2 3

y y

g y y

y

р{1 ≤ Y < 2} = 0,288.

8.4. Случайная величина X равномерно распределена от 0 до 1.

Определить математическое ожидание и дисперсию величины Y =X – 0,2.

Ответ: mY = 0,34; DY = 0,0574.


БГУИР

33

9. ДВУХМЕРНЫЕ СЛУЧАЙНЫЕ ВЕЛИЧИНЫ

Функцией распределения двухмерной случайной величины называвается

вероятность совместного выполнения двух событий {Х < х} и {Y < у}:

( , ) { } { }F x y p X x Y y . (9.1)

Свойства двухмерной функции распределения:

1. 0 F(x, y) 1.

2. F(x, +) = FX(x); F(+ , y) = FY(у); F(+ ,+) = 1.

3. F(–, y) = F(x, – ) = F(– , – ) = 0.

4. F(x1, y) F(x2, y), если x2 > x1;

F(x, y1) F(x, y2), если y2 > y1.

Функция распределения может задаваться для непрерывных и

дискретных случайных величин.

Для непрерывной двухмерной случайной величины (X, Y) существует

двухмерная плотность распределения:

2

00

({ } { } ( , )( , ) lim

xy

p x X x x y Y y y F x yf x y

x y x y

. (9.2)

Свойства двухмерной плотности:

1. f(x, y) 0.

2. ( , ) ( , )yx

F x y f x y dxdy

. (9.3)

3. ( )

{( , ) }= ( , )D

p X Y D f x y dxdy . (9.4)

4. Условие нормировки ( , ) 1f x y dxdy

. (9.5)

5. 1( ) ( , )f x f x y dy

; 2( ) ( , )f y f x y dx

. (9.6)

Для дискретных случайных величин (X, Y) закон распределения задается

матрицей распределения, содержащей вероятности pij появления всех

возможных пар значений (xi, yj):

pij= p(X = xi , Y = yj), (9.7)

удовлетворяющих условию

1 1

1n m

iji j

p

. (9.8)

Одномерные ряды вероятностей составляющих X, Y определяются по

следующим формулам:

1

( ) , 1, ...,m

i i ijj

p p X x p i n

, (9.9)


БГУИР

34

1

( ) , 1, ...,n

j j iji

p p Y y p j m

. (9.10)

Условным законом распределения называется распределение одной

случайной величины, найденное при условии, что другая случайная величина

приняла определенное значение.

Условные плотности для непрерывных составляющих X и Y

определяются по следующим формулам:

f(x/y) = f(x, y)/fY(y), для fY(y) 0, (9.11)

f(y/x) = f(x, y)/fX(x), для fX(x) 0. (9.12)

Условные ряды распределения для дискретных составляющих Х и Y


pi/j = p(X = xi/Y = yj) = pij/p(Y = yj), i = 1, ..., N, (9.13)

pj/i = p(Y = yj/X = xi) = pij/p(X = xi), j = 1, ..., M. (9.14)

Величина Х независима от величины Y, если ее закон распределения не

зависит от того, какое значение приняла величина Y. Для независимых величин

выполняются следующие соотношения:

1) F(x,y) = p(X < x,Y < y) = p(X < x)p(Y < y) = FX(x)FY(y), x, y; (9.15)

2) для непрерывных – f(x, y) = fX(x)f

Y(y), x, y; (9.16)

3) для дискретных – pij = pi pj, дляi, j. (9.17)

Пример 9.1. Двухмерная случайная величина (X, Y) распределена по

закону, приведенному ниже в таблице.

xi yj

y1 = 0 y

2 = 1

x1 = –1 0,1 0,2

x2 = 0 0,2 0,3

x3 = 1 0 0,2

Определить одномерные ряды вероятностей величин X и Y, условный ряд

вероятностей величины X при условии, что Y = 1. Исследовать зависимость

случайных величин X и Y.

Решение. Определим ряды вероятностей X и Y по формулам (9.9) и (9.10),

т. е. выполним суммирование по столбцам и по строкам.

yj 0 1 xi –1 0 1

pj 0,3 0,7 pi 0,3 0,5 0,2

Условный ряд X при Y = 1 получаем по формуле (9.13).

xi –1 0 1

pi/Y = 1 2/7 3/7 2/7


БГУИР

35

Величины X и Y зависимы, т. к. P(X = 0, Y = 0) P(X = 0) P(Y = 0),

0,2 0,3 0,5.

Пример 9.2. Двухмерная случайная величина равномерно распределена в

области D, ограниченной прямыми X = 0, Y = 0 и X + Y = 4. Исследовать

зависимость случайных величин X и Y.

Запишем в аналитической форме совместную плотность вероятности:

, 0 4, 0 4 ,

( , )0 иначе.

c x y xf x y

Определим c, используя условие нормировки (9.5):

4 4 4

0 0 0

1(4 ) 8 1 .

8

x

cdxdy c x dx c c

Определим одномерные плотности 1 2( ), ( )f x f y величин X и Y по

формуле (9.6):

4

1

0

0, 0

1( ) 0,5 ,0 4;

8 8

0, 4

x

x

xf x dy x

x

4

2

0

0, 0

1( ) 0,5 ,0 4

8 8

0, 4

y

y

yf y dx y

y

.

Очевидно, что критерий независимости (9.16) величин не выполняется,

т. е. 1 2( , ) ( ) ( )f x y f x f y , следовательно, величины X и Y зависимы.

ЗАДАЧИ

9.1. В продукции завода брак вследствие дефекта А составляет 10 %, а

вследствие дефекта B – 20 %. Годная продукция составляет 75 %. Пусть X –

индикатор дефекта А, а Y – индикатор дефекта B. Составить матрицу

вероятностей двухмерной случайной величины (X, Y). Найти одномерные ряды

распределений составляющих X и Y и исследовать их зависимость.

Ответ:

Одномерные ряды составляющих X и Y:

xi x

1 = 0 x2 = 1 y

j y

1 = 0 y2 = 1

pi 0,9 0,1 p

j 0,8 0,2

Величины X и Y зависимы.

9.2. Двухмерная случайная величина (X, Y) имеет закон распределения с

плотностью ( ),( , ) ,

( , )0,( , ) .

a x y x y Df x y

x y D

. Область D – квадрат, ограниченный

прямыми x = 0; x = 3; y = 0; y = 3.

X/Y y1 = 0 y

2 = 1

x1 = 0 0,75 0,15

x2 = 1 0,05 0,05


БГУИР

36

Определить коэффициент a, вычислить вероятность попадания случайной

точки (X, Y) в квадрат Q, ограниченный прямыми x = 1, x = 2, y = 1, y = 2.

Ответ: a = 1/27, P = 1/9.

9.3. Двухмерная случайная величина распределена по следующему

закону: 2 2 2 2( , ) / (1 ), ,f x y a x y x y x y .

Найти коэффициент а, установить зависимость случайных величин X и Y.

Ответ: a = 1/2, независимы.

9.4. Положение случайной точки (X, Y) равновозможное в любом месте

круга радиусом R, центр которого совпадает с началом координат. Определить

плотность распределения и функцию распределения каждой составляющей X и

Y. Выяснить зависимость X и Y. 2 2 2 2

2 2 2

1/ , ,( , )

0, .

R x y Rf x y

x y R

Ответ: 2 21 2

2( )f x R x

R , 2 2

2 2

2( )f y R y

R , X и Y зависимы.

9.5. Точка U, изображающая объект на круглом экране радиолокатора,

распределена равномерно в пределах круга единичного радиуса. Найти

дисперсию расстояния Y от точки U до центра экрана.

Ответ: DY = 1/18.

9.6. Две независимые случайные величины X и Y распределены по

равномерному закону (0 < X < 2; 1 < Y < 6). Найти вероятность, что X > Y.

Ответ: 0,05.


БГУИР

37

10. ЧИСЛОВЫЕ ХАРАКТЕРИСТИКИ ДВУХМЕРНЫХ

СЛУЧАЙНЫХ ВЕЛИЧИН

Рассмотрим основные числовые характеристики двухмерной случайной

величины (X, Y).

Смешанный начальный момент порядка k + s равен математическому

ожиданию произведения Xk и Y

s:

,1 1

,

для ДСВ,

( , ) [ ]

( , ) для НСВ.

n mk si j i j

i jk Sk s

k s

x y p

x y M X Y

x y f x y dxdy

(10.1)

Смешанный центральный момент порядка k + s равен

математическому ожиданию произведения центрированных величин kX и kY :

,

,1 1

( , ) [( ) ( ) ]

( ) ( ) для ДСВ,

( ) ( ) ( , ) для НСВ,

k sk s X Y

n mk s

i x j y i ji j

k sx y

x y M X m Y m

x m y m p

x m y m f x y dxdy

(10.2)

где pij – элементы матрицы вероятностей дискретной величины (X, Y);

f(x, y) – совместная плотность вероятности непрерывной величины (X, Y).

Рассмотрим наиболее часто используемые начальные и центральные

моменты:

1,0 0,1( , ), ( , )X Ym x y m x y , (10.3)

2 2

2,0 2,0 0,2 0,2( , ) ( , ) , ( , ) ( , )X X Y YD x y x y m D x y x y m . (10.4)

Корреляционный момент KXY характеризует степень тесноты линейной

зависимости величин X и Y и рассеивание относительно точки (mX, mY):

1,1 1,1( , ) ( , )XY X YK x y x y m m . (10.5)

Коэффициент корреляции RXY

характеризует степень линейной зависи-

мости величин:

XY XYXY

X YX Y

K KR

D D . (10.6)

Для любых случайных величин | RXY

| 1.

Если величины X и Y независимы, то RXY = 0.

Пример 10.1. Определить коэффициент корреляции величин X и Y для

примера 9.1.

Решение. Определим математические ожидания величин X и Y по



БГУИР

38

3 2 3

1 1 1

1 0,3 0 0,5 1 0,2 0,1X i ij i ii j i

m x p x p

,

3 2 2

1 1 1

0 0,3 1 0,7 0,7Y j ij j ji j i

m y p y p

.

Определим 1,1( , )x y по формуле (10.1):

3 2

1,1 ,1 1

( , ) 1 1 0,2 1 1 0,2 0i j i ji j

x y x y p

.

Найдем значение KXY по формуле (10.5):

1,1( , ) 0 ( 0,1 0,7) 0,07XY X YK x y m m .

Определим дисперсии величин X и Y по формуле (10.4): 3

2 2 22,0

1

( , ) 1 0,3 0 0,5 1 0,2 0,01 0,49,X X i i Xi

D x y m x p m

22 2 2

0,21

( , ) 0 0,3 1 0,7 0,49 0,21Y Y i i Yj

D x y m y p m

.

Значение коэффициента корреляции RXY

вычислим по формуле (10.6):

0,07

0,220,21 0,49

XYXY

X Y

KR

D D

.

Пример 10.2. Определить коэффициент корреляции величин X и Y для

примера 9.2.

Решение. Найдем математическое ожидание и дисперсию величины X по

формулам (10.3) и (10.4) соответственно:

mX = 1,0

(x,y) =4 4 4 4 4

0 0 0 0 0

1 1 1 4(4 )

8 8 8 3

x x

x dxdy xdx dy x x dx

,

DХ = 2,0

(x,y) =

24 4 42

0 0 0

1 1 4 8( ) (4 )

8 8 3 9

x

xx m dxdy x x dx

.

Так как область D симметрична относительно осей координат, то

величины X и Y будут иметь одинаковые числовые характеристики:

mX = mY = 4/3, DX = DY = 8/9.

Определим корреляционный момент KXY по формуле (10.5): 24 4 4 4

0 0 0 0

242

0

1 1 4

8 8 3

1 4 4(4 ) .

16 3 9

x x

XY x yK xy dxdy m m xdx ydy

x x dx

Коэффициент корреляции величин X и Y по формуле (10.6) будет равен


БГУИР

39

1

2

XYXY

X Y

KR

D D .

ЗАДАЧИ

10.1. Число X выбирается случайным образом из множества (1, 2, 3).

Затем из того же множества выбирается наудачу число Y, равное или большее

X. Найти коэффициент корреляции X и Y.

Ответ: RXY

= 0,594.

10.2. Плотность вероятности двухмерной случайной величины (X, Y)

равна

, [0,1], [0,1],

( , )0, [0,1] или [0,1].

x y x yf x y

x y

Найти коэффициент корреляции X и Y.

Ответ: RXY = –0,091.


равна

4 , [0,1], [0,1],

( , )

0, [0,1] или [0,1].

xy x y

f x y

x y

Найти коэффициент корреляции X и Y.

Ответ: RXY

= 0.


равна

, 0, 0, 5,

( , )0 иначе.

C x y x yf x y

Найти константу C и коэффициент корреляции X и Y.

Ответ: С = 0,08; RXY

= –0,5.


БГУИР

40

11. ФУНКЦИИ СЛУЧАЙНЫХ ВЕЛИЧИН

Рассмотрим функцию двух случайных аргументов 1 2 = ( , )Y X X .

Функция распределения G(y) величины Y определяется по формуле

1 2 1 2

( )

( ) ( , )D

G y f x x dx dx , (11.1)

где f(x1, x2) – совместная плотность вероятности величин X1 и X2.

В формуле (11.1) интегрирование производится по области D, которая

определяется из условия 1 2( , )X X y .

В случае, когда 1 2Y X X , функция распределения

1 2

1 2 1 2 1 2 2 1( ) ( , ) ( , )

y x y x

G y f x x dx dx f x x dx dx

, (11.2)

а плотность вероятности

1 1 1 2 2 2( ) ( , ) ( , )g y f x y x dx f y x x dx

. (11.3)

Если величины X1 и X2 независимы, то

1 1 2 1 1 1 2 2 2 2( ) ( ) ( ) ( ) ( )g y f x f y x dx f y x f x dx

. (11.4)

Числовые характеристики функции 1 2 = ( , )Y X X двух случайных

непрерывных величин X1 и X2, имеющих совместную плотность 1 2( , )f x x ,


– начальные моменты:

1 2 1 2 1 2( ) ( , ) ( , )kk y x x f x x dx dx

; (11.5)

– центральные моменты:

1 2 1 2 1 2( ) ( ( , ) ) ( , )kk yy x x m f x x dx dx

. (11.6)

В случае, когда закон распределения аргументов X1 и X2 неизвестен, а

известны только их числовые характеристики m1, m2, D1, D2, K12

–

математическое ожидание mY и дисперсия DY величины 1 2Y X X могут быть

определены по следующим формулам:

1 2 1 2 [ ] Ym M X X m m , (11.7)

1 2 1 2 12[ ] 2YD D X X D D K . (11.8)

Если 1 2Y X X , то математическое ожидание Y равно

1 2 1 2 12 [ ]= Ym M X X m m K . (11.9)

В случае независимых сомножителей X1 и X2 дисперсия 1 2Y X X может

быть определена по формуле

2 2

1 2 1 2 1 2 2 1D[ ]=YD X X D D m D m D . (11.10)


БГУИР

41

Если 01

n

i ii

Y a a X

, ia – заданные коэффициенты, то математическое

ожидание и дисперсия Y равны:

0 01 1

n n

Y i i i ii i

m M a a X a a m

, (11.11)

2

01 1 1 1

2n n n n

Y i i i i i j iji i i j i

D D a a X a D a a K

. (11.12)

Пусть 1

n

ii

Y X

, Xi – независимые случайные величины, значит,

математическое ожидание и дисперсия Y равны:

1 1

n n

Y i ii i

m M X m

, (11.13)

2 2

1 1 1

( )n n n

Y i i i ii i i

D D X D m m

. (11.14)

Отметим, что если независимые случайные величины Xi распределены по

нормальному закону, то 01

n

i ii

Y a a X

также будет распределена по

нормальному закону. В этом случае, вычислив mY и DY по формулам (11.11,

11.12) и подставив их в формулу нормального закона, можно полностью

определить закон распределения Y.

Пример 11.1. Устройство состоит из двух блоков – основного и

резервного. При отказе основного блока автоматически включается резервный

блок. Определить вероятность безотказной работы устройства в течение 10 ч,

если время безотказной работы блоков случайно и распределено по

показательному закону, а среднее время наработки на отказ – 10 ч.

Решение. Определим закон распределения вероятностей времени Y

безотказной работы устройства:

1 2Y X X ,

где X1, X2 – время безотказной работы блоков.

Величины X1 и X2 независимы и имеют одинаковую плотность вероят-

ностей:

1 2

, 0;( ) ( )

0, 0.

xe xf x f x

x

Вычислим величину . Для показательного закона 1/ = 0,1Xm .

Определим плотность вероятности Y по формуле (11.4):

1 1( ) 21

0

( ) , 0.y

x y x yg y e e dx ye y


БГУИР

42

Вычислим вероятность того, что Y > 10:

2

10 10

( 10) ( ) 0,736.yp Y g y dy ye dy

Пример 11.2. Величины X1, X2, X3 независимы и имеют следующие

числовые характеристики: m1 = 2; m

2 = –3; m

3 = 0; D

1 = 4; D

2 = 13; D

3 = 9.

Определить коэффициент корреляции YZR величин Y и Z:

Y = 3X1 – X

2,

Z = X3 – 2X

1.

Решение. Вычислим математические ожидания Y и Z по формуле (11.11):

mY = 3m1 – 1m

2 = 9, mZ = m

3 – 2m

1 = –4.

Вычислим дисперсии DY и DZ по формуле (11.12), учитывая, что

величины Xi независимы и Kij = 0:

DY = (3)2D1 + (–1)2D2 = 49, DZ = D3 + (–2)2D1 = 25.

Рассчитаем корреляционный момент KYZ по формуле (10.5). Для этого

определим 1,1( , )y z :

1,1( , )y z = MYZ = M(3X1 – X2)(X3 – 2X1) = M3X1X3 – 621X –

– X2X3 + 2X2X1 = 3m1m

3 – 6

21[ ]M X – m

2m

3 + 2m

2m

1 = –6

21[ ]M X – 12.

Так как D1 =

21[ ]M X –

21m , то

21[ ]M X = D

1 +

21m = 8.

Таким образом, 1,1( , )y z = –60. Тогда KYZ

= 1,1( , )y z – mYmZ = –60 – 9(–4) =

= –24.

Величину YZR определим по формуле (10.6):

24.

35

YZYZ

Y Z

KR

D D

ЗАДАЧИ

11.1. Определить закон распределения вероятностей величины

Y= sign(X1 + X2), если X1 и X2 – случайные величины, равномерно

распределенные на интервалах (–1, 1) и (–1, 2) соответственно.

Ответ: p(Y = 1) = 2/3; p(Y = –1) = 1/3.

11.2. Случайная точка (X1, X2) равномерно распределена в квадрате с

вершинами в точках (0, 0), (0, 1), (1, 1) и (1, 0). Определить плотность

вероятности величины 1 2Y X X .

Ответ: g(y) = –lny, 0 <y 1.

11.3. Независимые случайные величины X и Y имеют нулевое

математическое ожидание и единичную дисперсию. Найти коэффициент

корреляции случайных величин U = 2X + Y и V = 2X – Y.

Ответ: RYZ = 0,6.


БГУИР

43

11.4. В треугольник с вершинами (0, 0), (0, 4), (4, 0) наудачу ставится

точка (X, Y). Вычислить MXY и DX + Y.

Ответ: MXY = 12/9, DX + Y = 8/9.

11.5. Игральный кубик бросается n раз. Пусть S – сумма выпавших очков.

Найти математическое ожидание, дисперсию и среднее квадратическое

отклонение S.

Ответ: 3,5 , 2,917 , 1,71 .S S SM n D n n


экспоненциальному закону (λX = 2, λY = 3). Найти вероятность того, что X > Y.

Ответ: 0,6.


нормальному закону (mX = 2, σX = 3, mY = 6, σY = 4). Найти вероятность того, что

X > Y.

Ответ: 0,2119.


БГУИР

44

12. ОЦЕНКА ЗАКОНА РАСПРЕДЕЛЕНИЯ

Генеральной совокупностью называется множество объектов, из

которых производится выборка. Каждый из объектов задает фиксированное

значение случайной величины.

Выборка – множество {x1, x2, ..., xn} случайно отобранных объектов

(значений) из генеральной совокупности.

Объемом выборки n называется число входящих в нее объектов.

Вариационным рядом называется выборка { 1 2ˆ ˆ ˆ, ,..., nx x x }, полученная в

результате расположения значений исходной выборки в порядке возрастания.

Значения ˆix называются вариантами.

Эмпирическая функция распределения определяется формулой

1

*1

ˆ0, ,

ˆ ˆ( ) , ,

ˆ1, .

i i

n

x x

iF x x x x

n

x x

(12.1)

Эмпирическая функция распределения F*(x) является наилучшей оценкой

функции распределения F(x) (несмещенной, состоятельной, эффективной).

Если анализируемая СВ Х является дискретной с известным множеством

значений 1 2, ,..., mx x x , то по исходной выборке объемом n определяется

статистический ряд распределения вероятностей:

xj х1 х2 ... хm

*jp k1 k2 ... km

где * jj

kp

n – частота появления j-го значения;

kj – число значений xj в выборке.

Если анализируемая СВ Х является непрерывной, то по исходной выборке

строится интервальный статистический ряд вероятностей:

j Aj Bj hj j *jp *

jf

1 A1 B1 h1 1 *1p

*1f

… ... ... ... ... ... ...

M AM BM hM M *Mp

*Mf

где j – номер интервала;

M – число непересекающихся и примыкающих друг к другу интервалов, на

которые разбивается диапазон значений 1 ˆ, nx x :


БГУИР

45

int , 100,

int 2 / 4 lg , 100,

n nM

n n

(12.2)

где int(x) – целая часть числа x. Желательно, чтобы n без остатка делилось на M;

Aj, Bj – левая и правая границы j-го интервала (Aj+1 = B

j), причем 1 1A x ,

ˆM nB x ;

hj = Bj – Aj – длина j-го интервала;

j – количество чисел в выборке, попадающих в j-й интервал;

* jjp

n

– частота попадания в j-й интервал;

** j jj

j j

pf

h nh

– статистическая плотность вероятности в j-м интервале.

При построении интервального статистического ряда вероятностей

используют следующие методы разбиения диапазона значений на интервалы:

1) равноинтервальный, т. е. все интервалы одинаковой длины:

1ˆ ˆ, n

j

x xh h j

M

, (12.3)

1 ( 1) , 2, ;jA x j h j M (12.4)

2) равновероятностный, т. е. границы интервалов выбирают так, чтобы

в каждом интервале было одинаковое число выборочных значений

(необходимо, чтобы n без остатка делилось на M):

* 1, ,j j

np j

M M , (12.5)

( 1) ( 1) 1ˆ ˆ

, 2,2

j jj

x xA j M

. (12.6)

Гистограмма – статистический аналог графика плотности вероятности *( )f x СВ и она строится по интервальному статистическому ряду.

Гистограмма представляет собой совокупность прямоугольников,

построенных, как на основаниях, на интервалах hj статистического ряда с

высотой, равной статистической плотности вероятности *jf в соответствующем

интервале. Для равноинтервального метода все прямоугольники гистограммы

имеют одинаковую ширину, а для равновероятностного метода – одинаковую

площадь. Сумма площадей всех прямоугольников гистограммы равна единице.

Пример 12.1. Задана выборка случайной величины X: {4, 3, 3, 5, 2, 4, 3, 4,

4, 5}. Построить вариационный ряд и график эмпирической функции распре-

деления F*(x).

Решение. Вариационный ряд случайной величины имеет вид {2, 3, 3, 3, 4,

4, 4, 4, 5, 5}.


БГУИР

46

Определяем значения эмпирической функции распределения F*(x) по


*

0, 2,

0, 1, 2 3,

( ) 0,4, 3 4,

0, 8, 4 5,

1, 5.

x

x

F x x

x

x

График функции F*(x) имеет вид

2 3 4 5

x

F*(x)

0,2

0,4

0,6

0,8

1,0

Замечание. В каждой точке оси x, соответствующей значениям xi,

функция F*(x) имеет скачок. В точке разрыва F

*(x) непрерывна слева и

принимает значение, выделенное знаком .

Пример12.2. Вариационный ряд случайной величины x имеет следующий

вид:

–6,237; –6,229; –5,779; –5,139; –4,950; –4,919; –4,636; –4,560; –4,530; –4,526;

–4,523; –4,511; –4,409; –4,336; –4,259; –4,055; –4,044; –4,006; –3,972; –3,944;

–3,829; –3,794; –3,716; –3,542; –3,541; –3,431; –3,406; –3,384; –3,307; –3,181;

–3,148; –3,124; –3,116; –2,892; –2,785; –2,734; –2,711; –2,637; –2,633; –2,428;

–2,381; –2,339; –2,276; –2,222; –2,167; –2,111; –2,034; –1,958; –1,854; –1,803;

–1,774; –1,755; –1,745; –1,713; –1,709; –1,566; –1,548; –1,480; –1,448; –1,353;

–1,266; –1,229; –1,179; –1,130; –1,102; –1,060; –1,046; –1,035; –0,969; –0,960;

–0,903; –0,885; –0,866; –0,865; –0,774; –0,721; –0,688; –0,673; –0,662; –0,626;

–0,543; –0,445; –0,241; –0,174; –0,131; 0,115; 0,205; 0,355; 0,577; 0,591; 0,795;

0,986; 1,068; 1,099; 1,195; 1,540; 2,008; 2,160; 2,534; 2,848.

Построить гистограмму равноинтервальным и равновероятностным

методами.

Решение. Объем выборки равен 100. Количество интервалов определяем

по формуле (12.2): 100 10.M n

Для равноинтервального метода построения интервального статистического

ряда вероятностей величины hj, Aj, Bj, рассчитаны по формулам (12.3), (12.4):


БГУИР

47

j Aj B

j h

j

j *

jp *jf

1 –6,237 –5,3345 0,9085 3 0,03 0,033

2 –5,3345 –4,426 0,9085 9 0,09 0,099

3 –4,426 –3,5175 0,9085 13 0,13 0,143

4 –3,5175 –2,609 0,9085 14 0,14 0,154

5 –2,609 –1,7005 0,9085 16 0,16 0,176

6 –1,7005 –0,792 0,9085 19 0,19 0,209

7 –0,792 0,1165 0,9085 12 0,12 0,132

8 0,1165 1,025 0,9085 6 0,06 0,066

9 1,025 1,9335 0,9085 4 0,04 0,044

10 1,9335 2,848 0,9085 4 0,04 0,044

Равноинтервальная гистограмма имеет вид

f*(x)

x

0,2

0,15

0,10

0,05

0

–2 –4 –6 0 2

Для равновероятностного метода построения интервального

статистического ряда вероятностей величины j, *

jp , Aj, B

j рассчитаны по

формулам (12.5), (12.6):

j Aj B

j h

i

j *

jp *jf

1 –6,2370 –4,5245 1,7125 10 0,1 0,0584

2 –4,5245 –3,8865 0,6380 10 0,1 0,1567

3 –3,8865 –3,1645 0,7220 10 0,1 0,1385

4 –3,1645 –2,4045 0,7600 10 0,1 0,1316

5 –2,4045 –1,7885 0,6160 10 0,1 0,1623

6 –1,7885 –1,3095 0,4790 10 0,1 0,2086

7 –1,3085 –0,9319 0,3766 10 0,1 0,2655

8 –0,9319 –0,5843 0,3476 10 0,1 0,2877

9 –0,5843 0,6932 1,2775 10 0,1 0,0783

10 0,6932 2,8480 2,1548 10 0,1 0,0464


БГУИР

48

Равновероятностная гистограмма имеет вид

–6 –4 –2 0 2

x

f*(x)

0,3

0,2

0,1

ЗАДАЧИ

12.1. Построить эмпирическую функцию распределения по

вариационному ряду из примера 12.2.

12.2. Построить эмпирическую функцию распределения, а также

гистограмму равноинтервальным и равновероятностным методами для

выборки, заданной следующим вариационным рядом:

2,60; 2,62; 2,74; 2,76; 3,17; 3,18; 3,29; 3,35; 3,40; 3,42; 3,46; 3,54; 3,68; 4,06;

4,07; 4,09; 4,15; 4,23; 4,24; 4,28; 4,30; 4,43; 4,46; 4,68; 4,77; 5,19; 5,22; 5,45; 5,51;

5,57; 5,59; 5,64; 5,66; 5,67; 5,73; 5,76; 5,88; 6,11; 6,13; 6,23; 6,55; 6,70; 7,30; 7,62;

7,72; 7,80; 7,91; 7,94; 7,97; 8,00; 8,10; 8,47; 8,63; 8,80; 8,84; 8,97; 9,01; 9,02; 9,20;

9,22; 9,41; 9,57; 9,65; 9,92; 9,98; 10,02; 10,07; 10,16; 10,24; 10,27; 10,38; 10,62;

10,63; 10,73; 10,96; 10,98; 10,99; 11,00; 11,01; 11,01; 11,11; 11,23; 11,35; 11,56;

11,58; 11,73; 11,77; 11,99; 12,10; 12,13; 12,18; 12,24; 12,53; 12,57; 12,96; 12,98;

13,04; 13,22; 13,35; 13,45.

12.3. Построить равноинтервальным и равновероятностным методами

интервальный статистический ряд вероятностей и гистограмму случайной

величины по следующей выборке:

8,60; 6,54; 3,26; 5,96; 4,68; 6,55; 11,33; 9,50; 8,58; 7,16; 10,84; 5,81; 2,92;

8,96; 12,60; 11,08; 4,52; 8,06; 2,42; 10,05; 10,29; 10,03; 4,77; 9,46; 7,26; 2,62; 4,49;

11,80; 11,68; 8,61; 12,82; 5,36; 7,85; 11,69; 11,00; 5,07; 2,23; 10,14; 9,89; 10,53;

5,10; 7,27; 6,94; 6,53; 11,08; 6,61; 9,27; 5,83; 9,56; 7,51; 5,98; 8,64; 5,69; 10,54;

10,20; 12,11; 2,92; 12,31; 5,95; 2,82; 7,69; 4,30; 11,17; 6,99; 12,78; 3,64; 11,80;

8,61; 3,80; 7,42; 5,09; 7,68; 3,98; 10,59; 8,40; 12,76; 4,37; 5,88; 9,94; 10,46; 2,75;

4,22; 11,56; 10,43; 3,66; 10,14; 6,53; 10,83; 5,36; 6,67; 4,83; 9,66; 2,30; 7,04; 7,88;

8,30; 2,22; 8,71; 7,79; 9,82.


БГУИР

49

13. ТОЧЕЧНЫЕ ОЦЕНКИ ЧИСЛОВЫХ ХАРАКТЕРИСТИК

И ПАРАМЕТРОВ

Статистической оценкой Q параметра Q распределения называется

приближенное значение параметра, вычисленное по результатам эксперимента

(по выборке).

Точечной называется оценка, определяемая одним числом.

Оценка Q называется состоятельной, если при увеличении объема

выборки n она сходится по вероятности к значению параметра Q:

ˆ ˆlim ( ( )) 1, 0p

n nQ Q P Q Q

.

Оценка Q называется несмещенной, если ее математическое ожидание

точно равно параметру Q для любого объема выборки: ˆ[ ] ,M Q Q n .

Несмещенная оценка Q является эффективной, если ее дисперсия

минимальна по отношению к дисперсии любой другой оценки этого параметра.

Состоятельная несмещенная оценка математического ожидания,

называемая выборочным средним x , вычисляется по формуле

*

1

1 n

X ii

m x xn

. (13.1)

Числовые характеристики x :

[ ] , [ ] XX

DM x m D x

n .

Состоятельная несмещенная оценка дисперсии равна

2* 2 2 2

01 1

1 1.

1 1 1

n n

X i ii i

nD S x x x x

n n n

(13.2)

Числовые характеристики 20S :

2 2 240 0

( ) 3[ ] , [ ]

( 1)X X

x nM S D D S D

n n n

.

Состоятельная несмещенная оценка среднего квадратического

отклонения:

2

0 0 .S S (13.3)

Состоятельная оценка начального момента k-го порядка определяется

по формуле

1

1ˆ ( ) .

nk

k ii

x xn

(13.4)

Состоятельная оценка центрального момента k-го порядка равна

1

1ˆ ( ) .

nk

k ii

x x xn

(13.5)


БГУИР

50

Несмещенная состоятельная и эффективная оценка вероятности

случайного события A в схеме независимых опытов Бернулли:

*( )

mp A

n , (13.6)

где m – число опытов, в которых произошло событие A;

n – число проведенных опытов.

Числовые характеристики * *( )p A p :

* * (1 )[ ] ( ) , [ ]

p pM p p A p D p

n

.

Для вычисления оценок параметров распределения чаще всего

применяются методы моментов и максимального правдоподобия.

Суть метода моментов заключается в следующем. Пусть имеется

выборка {x1, ..., xn} независимых значений случайной величины с известным

законом распределения f(x, Q1 , ..., Qm) и m неизвестными параметрами Q1, ...,

Qm. Последовательность вычислений следующая:

1. Вычислить значения m начальных и/или центральных теоретических

моментов:

( ) , ( )kk

k k xx M X x M X m

.

2. Определить m соответствующих выборочных начальных ˆ ( )k x и/или

центральных ˆ ( )k x моментов по формулам (13.4), (13.5).

3. Составить и решить относительно неизвестных параметров Q1, ..., Q

m

систему из m уравнений, в которых приравниваются теоретические и

выборочные моменты. Каждое уравнение имеет вид ˆ( ) ( )k kx x или

ˆ( ) ( )k kx x . Найденные корни являются оценками 1ˆ ˆ, ..., mQ Q неизвестных

параметров.

Замечание. Часть уравнений может содержать начальные моменты, а

оставшаяся часть – центральные.

Согласно методу максимального правдоподобия оценки 1ˆ ˆ, ..., mQ Q

получаются из условия максимума по параметрам Q1, ..., Q

m положительной

функции правдоподобия L(x1, ..., xn, Q1, ..., Qm).

Если случайная величина X непрерывна, а значения xi независимы, то

1 1 11

( ,..., , ,..., ) ( , ,..., ).n

n m i mi

L x x Q Q f x Q Q

Если случайная величина X дискретна и принимает независимые

значения xi с вероятностями 1( ) ( , ,..., ),i i i mp X x p x Q Q то функция

правдоподобия равна

1 1 11

( ,..., , ,..., ) ( , ,..., ).n

n m i i mi

L x x Q Q p x Q Q


БГУИР

51

Система уравнений согласно этому методу может записываться в двух

видах:

1 1( , ..., , , ..., )0, 1, 2, ...,n m

i

L x x Q Qi m

Q

или

1 1ln , ..., , , ...,0, 1, 2, ..., .

n m

i

L x x Q Qi m

Q

Найденные корни выбранной системы уравнений являются оценками

1ˆ ˆ, ..., mQ Q неизвестных параметров Q

1, ..., Q

m.

Пример 13.1. Случайная величина X распределена по равномерному

закону, т. е.

1, ,

( )

0, , .

a x bf x b a

x a x b

Необходимо определить оценки параметров a и b.

Решение. Для данного закона распределения определяем теоретические

выражения двух (по числу неизвестных параметров) моментов:

1

( )( )

2

b

X

a

x a bx m dx

b a

,

2

2

( )( )

12X

b ax D

.

По исходной выборке определяем оценки этих же моментов x и 20S по

формулам (13.1) и (13.2) соответственно. Составляем систему их двух

уравнений:

0

( ),

2

.2 3

X

a bx

b aD S

Решив ее относительно неизвестных параметров a и b, получим оценки:

0 0ˆˆ 3 , 3a x S b x S .

Пример 13.2. Пусть xi – независимые значения случайной величины X,

распределенной по экспоненциальному закону, т. е.

, 0,( )

0, 0.

xe xf x

x

Необходимо получить оценку параметра методом максимального

правдоподобия.

Решение. Функция правдоподобия имеет вид


БГУИР

52

11

ln( ( , ..., , )) ln( ) .n

n ii

L x x n x

Далее записываем уравнение

1

ln( )0

n

ii

L nx

.

Решив его, получаем выражение для оценки параметра :

1

1ˆn

ii

n

xx

.

ЗАДАЧИ

13.1. Найти методом моментов оценку параметра случайной величины,

распределенной по экспоненциальному закону (см. пример13.2).

Ответ: 1ˆx

.

13.2. Отобрано пять телевизоров с целью контроля некоторых

параметров. Результаты измерения напряжения источника питания в

телевизорах следующие: 12; 11,5; 12,2; 12,5; 12,3 В. Методом наибольшего

правдоподобия найти оценку параметра m, если напряжение – случайная

величина X, распределенная по нормальному закону.

Ответ: m = 12,1 В.

13.3. Определить методом наибольшего правдоподобия оценку параметра

p биномиального распределения

!( )

!( )!

i n ii

np X i p p q

i n i

,

если в n1 независимых опытах событие A появилось m1 раз и в n2 независимых

опытах – m2 раз.

Ответ: p = (m1 + m2)/(n1 + n2).


БГУИР

53

14. ИНТЕРВАЛЬНЫЕ ОЦЕНКИ ЧИСЛОВЫХ ХАРАКТЕРИСТИК

Доверительным называется интервал, в который с заданной

вероятностью (надежностью) попадают значения параметра Q. Вероятность выбирается близкой к единице: 0,9; 0,95; 0,975; 0,99.

Доверительный интервал надежностью для математического

ожидания случайной величины X с неизвестным законом распределения:

0 0

,X

S z S zx m x

n n

(14.1)

где arg2

z

– значение аргумента функции Лапласа Ф(z) = 2

(см. прил. 2).

Доверительный интервал надежностью для математического ожидания

нормально распределенной случайной величины X :

0 , 1 0 , 1

,n n

X

S t S tx m x

n n

(14.2)

где , 1nt – значение, взятое из таблицы распределения Стьюдента (прил. 3).

Доверительный интервал надежностью для дисперсии случайной

величины X с неизвестным законом распределения:

2 2 2 20 0 0 0

2 2

1 1XS z S D S z S

n n

, (14.3)

где arg2

z



Доверительный интервал надежностью для дисперсии нормально

распределенной случайной величины X:

2 20 0

2 21 1

, 1 , 12 2

( 1) ( 1),X

n n

n S n SD

(14.4)

где 2 21 1

, 1 , 12 2

,n n

– значения, взятые из таблицы распределения 2 (прил. 4).

Доверительный интервал надежностью для вероятности события A в

схеме независимых опытов Бернулли:

* * * *

* *(1 ) (1 )( )

p p p pp z p A p z

n n

, (14.5)

где * *( )

mp p A

n – частота появления события A в n опытах;

m – число опытов, в которых произошло событие A;

n – число проведенных опытов.

Пример 14.1. Производится серия независимых опытов с целью

определения вероятности события A. В 100 опытах событие произошло 40 раз.


БГУИР

54

Частота события *( )

mp A

n принимается за приближенное значение

вероятности этого события. Найти вероятность того, что допущенная при этом

ошибка меньше 0,1.

Решение. Необходимо определить с надежность γ следующий

доверительный интервал:

* * *( ) ( ) 0,1 ( 0,1 ( ) 0,1)p p A p A p p p A p ,

т. е. * *(1 )

0,1p p

zn

(см. формулу (14.5)).

С учетом того, что * 40 0,1 1000,4, z 2,041

100 0,4 0,6p

, искомая

вероятность 2 (2,041) 0,958 .

Пример 14.2. Найти минимальный объем выборки, при котором с

вероятностью 0,95 точность оценки математического ожидания случайной

величины по выборочному среднему равна 0,2, если S0 = 1,5.

Решение. Из условия задачи известно, что

0,2 ( 0,2 0,2) 0,95X Xp m x p x m x .

В соответствии с формулой (14.1) точность оценки математического

ожидания

2

0 00,2

0,2

S z S zn

n

.

Из таблицы функции Лапласа выбираем значение 0,95

arg ( ) 1,962

z .

Следовательно, 2

1,5 1,96 / 0,2 216,09 217n .

Пример 14.3. По результатам 10 измерений определена несмещенная

оценка дисперсии 2 20 4мS . Определить доверительный интервал для

дисперсии с надежностью 0,96.

Решение. Воспользуемся формулой (14.4), т. к. погрешности измерений,

как правило, распределены по нормальному закону. Из таблицы 2 выбираем

значение 2 20,02;9 0,98;919,68; 2,53 .

Поэтому 9 4 9 4

1,829 14,2319,68 2,53

X XD D

.

ЗАДАЧИ

14.1. Вычислить доверительный интервал для математического ожидания

емкости конденсатора, если 20мкФx , n = 16, доверительная вероятность

= 0,9, среднее квадратическое отклонение равно 4 мкФ.

Ответ: (18,35 мкФ; 21,65 мкФ).


БГУИР

55

14.2. Производится серия независимых опытов с целью определения

вероятности события A. В результате 100 опытов событие произошло 36 раз.

Относительная частота принимается за приближенное значение вероятности.

Каково должно быть число опытов, чтобы с вероятностью 0,99 можно было

утверждать, что допущенная при этом ошибка не превышает 0,05

Ответ: 139.

14.3. По результатам пяти измерений определена несмещенная

состоятельная оценка дисперсии 2 20 10 мS . Оценить вероятность того, что

истинное значение дисперсии попадает в интервал (5 м2; 20 м

2).

Ответ: 0,64.

14.4. Что происходит с длиной доверительного интервала при

увеличении: а) объема выборки n; б) доверительной вероятности ?

Ответ: а) уменьшается;

б) увеличивается.


БГУИР

56

15. ПРОВЕРКА СТАТИСТИЧЕСКИХ ГИПОТЕЗ О ЗАКОНЕ

РАСПРЕДЕЛЕНИЯ

Критерием согласия называется случайная величина

1, , ,nU x x

где xi – значение выборки, которая позволяет принять или отклонить гипотезу о

предполагаемом законе распределения.

Алгоритм проверки гипотезы при помощи критерия согласия 2 :

1. Построить интервальный статистический ряд вероятностей и

гистограмму.

2. По виду гистограммы выдвинуть гипотезу:

H0 : f(x) = f

0(x), F(x) = F

0(x),

H1 : f(x) f

0(x), F(x) F

0(x),

где f0(x), F

0(x) – плотность и функция гипотетического закона распределения.

3. Используя метод моментов или максимального правдоподобия,

определить оценки неизвестных параметров 1ˆ ˆ, ..., mQ Q гипотетического закона

распределения.

4. Вычислить значение критерия по формуле

2 2*

2

1 1

M Mj j j j

j jj j

p p npn

p np

, (15.1)

где pj – теоретическая вероятность попадания случайной величины в j-й

интервал при условии, что гипотеза H0 верна:

0 0 0( ) ( ) ( ) ( )j

j

B

j j j j j

A

p p A X B f x dx F B F A . (15.2)

Замечания. При расчете p1 и pM в качестве крайних границ первого и

последнего интервалов A1, BM следует использовать теоретические границы

гипотетического закона распределения. Например, для нормального закона

A1 = –, BM = +. После вычисления всех вероятностей pi проверить,

выполняется ли контрольное соотношение

1

1 0,01M

ij

p

.

5. Из таблицы распределения 2 (см. прил. 4) выбирается значение 2

,k ,

где – заданный уровень значимости ( = 0,05 или 0,01), а k – число степеней

свободы, определяемое по формуле

1 k M s ,

где s – число параметров гипотетического закона распределения, значения

которых были определены в п. 3.


БГУИР

57

6. Если 2 2,k , то гипотеза H

0 отклоняется, в противном случае нет

оснований ее отклонить.

Последовательность действий при проверке гипотезы о законе

распределения при помощи критерия согласия Колмогорова следующая:

1. Построить вариационный ряд и график эмпирической функции

распределения F*(x) (см. формулу (12.1)).

2. По виду графика F*(x) выдвинуть гипотезу:

H0: F(x) = F0(x) ,

H1: F(x) F0(x) ,

где F0(x) – функция гипотетического закона распределения.

3. Используя метод моментов или максимального правдоподобия,

определить оценки неизвестных параметров 1ˆ ˆ, ..., mQ Q гипотетического закона

распределения.

4. Рассчитать 1020 значений функции F0(x) и построить ее график в

одной системе координат с функцией F*(x).

5. По графику определить максимальное по модулю отклонение между

функциями F*(x) и F

0(x).

*

01

max ( ) ( ) .n

i ii

Z F x F x

(15.3)

6. Вычислить значение критерия Колмогорова:

n Z . (15.4)

7. Из таблицы распределения Колмогорова (прил. 5) выбрать критическое

значение γ, 1 . Здесь – заданный уровень значимости ( = 0,05 или 0,01).

8. Если > , то нулевая гипотеза H0 отклоняется, в противном случае

нет оснований ее отклонить.

Пример 15.1. Выдвинуть гипотезу о законе распределения случайной

величины X и проверить ее с помощью критерия 2. Вариационный ряд,

интервальные статистические ряды вероятностей и гистограммы распределения

случайной величины X приведены в примере 12.2. Уровень значимости

равен 0,05.

Решение. По виду гистограмм, приведенных в примере 12.2, выдвигаем

гипотезу о том, что случайная величина X распределена по нормальному

закону:

H0:

2

0 2

1 ( )( ) exp

2 2

x af x

, 0( ) 0,5

x mF x

,

H1: f(x) N(m, ).

Используя метод моментов, определим оценки неизвестных параметров m

и σ гипотетического (нормального) закона распределения:

0ˆ ˆ1,7, = 1,98m x S .


БГУИР

58

Значение критерия вычисляем по формуле (15.1): * 210

2

1

( )100 .

j j

j j

p p

p

При проверке гипотезы используем равновероятностную гистограмму. В

этом случае

* 10 0,1.100

jjp

n

Теоретические вероятности pi рассчитываем по формуле (15.2):

0 00 0

( ) ( ) ( ) ( )j j

j j j

B x A xp F B F A

S S

:

p1 = Ф(( –4,5245 + 1,7)/1,98) – Ф(( – + 1,7)/1,98) = Ф( –1,427) – Ф( –) = 0,078.

p2 = Ф(( –3,8865 + 1,7)/1,98) – Ф(( –4,5245 + 1,7)/1,98) = Ф( –1,104) + 0,845 =

= 0,058.

p3 = 0,094; p4 = 0,135; p5 = 0,118; p6 = 0,097; p7 = 0,073; p8 = 0,059;

p9 = 0,174; p10 = Ф((+ + 1,7)/1,98) – Ф((0,6932 + 1,7)/1,98) = 0,114.

После этого проверяем выполнение контрольного соотношения

10

1

1 0 0,01.jj

p

Тогда 2 2 2

2 (0,078 0,1) (0,064 0,1) (0,114 0,1)100 ...

0,078 0,064 0,114

= 100 (0,0062 + 0,0304 + 0,0004 + 0,0091 + 0,0028 + 0,0001 + 0,0100 +

+ 0,0285 + 0,0315 + 0,0017 ) = 1000,1207 = 12,07.

После этого из таблицы распределения 2 выбираем критическое

значение 2 2

; 0,05;7 14,07k . Так как 2 14,07, то гипотеза H0 принимается

(нет основания ее отклонить).

Пример 15.2. По критерию Колмогорова проверить гипотезу о

равномерном законе распределения R(0,5; 5,25) случайной величины по

выборке объема 10: 2,68; 1,83; 2,90; 1,03; 0,90; 4,07; 5,05; 0,94; 0,71; 1,16,

уровень значимости = 0,05.

Решение. Вариационный ряд данной выборки имеет следующий вид: 0,71;

0,90; 0,94; 1,03; 1,16; 1,83; 2,68; 2,90; 4,07; 5,05.

Построим график эмпирической функции распределения F*(x). Би

блиотека

БГУИР

59

1 2 3 4 5

x

F (x) *

F (x) 0 0,36

1

Теоретическая функция распределения F

0(x) равномерного закона

R(0,5;5,25) равна

0

0, 0,5,

( 0,5) / (5,25 0,5), 0,5 5,25,

1, 5,25.

x

F x x x

x

Максимальная разность по модулю между графиками F*(x) и F

0(x):

Z = 0,36 при х = 1,16.

Вычислим значение критерия Колмогорова: 10 0,36 1,14.n Z

Из таблицы Колмогорова выбираем критическое значение

1 0,95 1,36. Так как < 1,36, гипотеза о равномерном законе

распределения принимается.

ЗАДАЧИ

15.1. С помощью критерия Колмогорова проверить гипотезу о законе

распределения случайной величины по выборке, приведенной в задаче 12.2.

15.2. По критерию 2 проверить гипотезу о законе распределения по

выборке, приведенной в задаче 12.3.

15.3. Проверить гипотезу о равномерном и экспоненциальном законах

распределения по данным задачи 14.2.


БГУИР

60

16. ОЦЕНКА КОЭФФИЦИЕНТА КОРРЕЛЯЦИИ И ЛИНЕЙНОЙ

РЕГРЕССИИ

Пусть проводится n независимых опытов, в каждом из которых

двухмерная СВ (Х,Y) принимает определенные значения и результаты опытов

представляют собой двухмерную выборку вида {(х1, у1), (х2, у2), (хn, уn)}.

Первичная обработка опытных данных включает в себя обработку

составляющих Х и Y как одномерных величин (см. разд. 12–15) и вычисление

оценок, присущих только двухмерным (многомерным) случайным величинам.

Состоятельная несмещенная оценка корреляционного момента равна

*

1

1( )( ),

1

n

XY i ii

K x x y yn

(16.1)

где xi, y

i – значения, которые приняли случайные величины X, Y в i-м опыте;

,x y – средние значения случайных величин X и Y соответственно.

Состоятельная оценка коэффициента корреляции:

*

*

0 0

.( ) ( )

XYXY

KR

S x S y (16.2)

Доверительный интервал с надежностью γ для коэффициента корреляции *XYR и случая двухмерного нормального распределения:

2 2

2 2

1 1

1 1

a b

XYa b

e eR

e e

, (16.3)

где *

*

10,5 ln

31

XY

XY

zRa

nR

;

*

*

10,5 ln

31

XY

XY

zRb

nR

;

arg2

z



Алгоритм проверки гипотезы об отсутствии корреляционной

зависимости следующий (предполагается, что двухмерная случайная величина

(X, Y) распределена по нормальному закону):

1. Формулируется гипотеза:

H0: 0XYR ;

H1: 0XYR .

Здесь XYR – теоретический коэффициент корреляции.

2. Вычисляется оценка коэффициента корреляции *XYR по формуле (16.2).

3. Определяется значение критерия


БГУИР

61

*

2*

2

1

XY

XY

R nt

R

, (16.4)

который распределен по закону Стьюдента с (n – 2) степенями свободы, если

гипотеза H0 верна.

4. По заданному уровню значимости вычисляется доверительная

вероятность = 1 – и из таблицы Стьюдента выбирается критическое

значение , 2nt .

5. Если , 2nt t , то гипотеза H0 отклоняется, а следовательно, величины

X, Y коррелированны. В противном случае гипотеза H0 принимается.

Регрессией случайной величины Y на X называется условное

математическое ожидание случайной величины Y при условии, что X = x:

/ [ / ] Y xm M Y X x .

Регрессия Y на X устанавливает зависимость среднего значения величины

Y от величины X. Если X и Y независимы, то

/ const. Y x Ym m

Если величины X, Y распределены по нормальному закону, то регрессия

является линейной:

/ 0 1 . Y xm a a x

Оценки параметров 0a и 1a по методу наименьших квадратов

вычисляются по следующим формулам:

*

1 20

ˆ ,( )

XYKa

S x (16.5)

0 1ˆ ˆa y a x . (16.6)

где ,x y – оценки математического ожидания величин X и Y;

20 ( )S x – оценка дисперсии величины X; *XYK – оценки корреляционного момента величин X и Y.

Для визуальной проверки правильности вычисления величин 0 1ˆ ˆ,a a

необходимо построить диаграмму рассеивания и график 0 1ˆ ˆ( )y x a a x .

х

хi

yi


БГУИР

62

Если оценки параметров a0, a1 рассчитаны без грубых ошибок, то сумма

квадратов отклонений всех точек (xi, y

i) от прямой 0 1ˆ ˆ( )y x a a x должна быть

минимально возможной.

Пример 16.1. Выборочный коэффициент корреляции, вычисленный по

выборке объема 10, * 0,64XYR . Найти 90%-ный доверительный интервал для

коэффициента корреляции XYR .

Решение. Из таблицы Лапласа выбирается значение 0,9 1,645z . Тогда

1 1 0,64 1,645ln 1,380

2 1 0,64 7a

, b = –0,136.

Доверительный интервал вычисляем по формуле (16.3).

2 ( 1,38) 2 ( 0,136)

2 ( 1,38) 2 ( 0,136)

1 1

1 1XY

e eR

e e

, т. е. –0,881 < XYR < –0,135.

Пример 16.2. Проверить гипотезу об отсутствии корреляционной

зависимости при следующих данных: * 0,2;XYR n = 20; = 0,05.

Предполагается также, что двухмерный закон распределения – нормальный.

Решение. Вначале вычислим значение критерия t по формуле (16.4):

2

0,2 180,866.

1 0,2t

Из таблицы Стьюдента выбираем критическое значение

; 2 1 ; 2 0,95;18 2,10.n nt t t Так как 2,10,t то гипотеза H0 принимается,

потому что нет оснований ее отклонить.

ЗАДАЧИ

16.1. Построить доверительный интервал для коэффициента корреляции

двухмерной нормально распределенной совокупности по следующим данным: * 0,14XYR , n = 300, =0,95.

Ответ: (–0,03; 0,25).

В задачах 16.216.3 проверить гипотезу о некоррелированности

случайных величин X и Y, предполагая, что двухмерный закон распределения

нормальный.

16.2. * 0,5; 20; 0,05.XYR n

16.3. * 0,1; 5; 0,01.XYR n

В задачах 16.416.5 найти уравнение прямой регрессии ( )y x для

следующих экспериментальных данных:

16.4

X 1 4 9 16 25

Y 0,1 3 8,1 14,9 23,9

Ответ: ( ) 0,922 0,909.y x x


БГУИР

63

16.5

X 1 2 3 4 5 6

Y 2 4,9 7,9 11,1 14,1 17

Ответ: ( ) 3,023 1,08.y x x


БГУИР

64

Приложение 1

Значения функции 21

( ) exp22

xx

x 0 1 2 3 4 5 6 7 8 9

0,0 0,3989 3989 3989 3988 3986 3984 3982 3980 3987 3973 0,1 3970 3965 3961 3956 3951 3945 3939 3932 3925 3918

0,2 3910 3902 3894 3885 3876 3867 3857 3847 3836 3825

0,3 3814 3802 3790 3778 3765 3752 3739 3726 3712 3697

0,4 3683 3668 3653 3637 3621 3605 3589 3572 3555 3538

0,5 3521 3503 3485 3467 3448 3429 3410 3391 3372 3352

0,6 3332 3312 3292 3271 3251 3230 3209 3187 3166 3144

0,7 3123 3101 3079 3056 3034 3011 2089 2066 2943 2920

0,8 2897 2874 2950 2827 2803 2780 2756 2732 2709 2685

0,9 2661 2637 2613 2589 2565 2541 2516 2492 2468 2444

1,0 0,2420 2396 2371 2347 2323 2299 2275 2251 2227 2203 1,1 2179 2155 2131 2107 2083 2059 2036 2012 1989 1965

1,2 1942 1919 1895 1872 1849 1826 1804 1781 1758 1736

1,3 1714 1691 1669 1647 1626 1604 1582 1561 1539 1518

1,4 1497 1476 1456 1435 1415 1394 1374 1354 1334 1315

1,5 1295 1276 1257 1238 1219 1200 1182 1163 1145 1127

1,6 1109 1092 1074 1057 1040 1023 1006 0989 0973 0957

1,7 0940 0925 0909 0893 0878 0863 0848 0833 0818 0804

1,8 0790 0775 0761 0748 0734 0721 0707 0694 0681 0669

1,9 0656 0644 0632 0620 0608 0596 0584 0573 0562 0551

2,0 0,0540 0529 0519 0508 0498 0488 0478 0468 0459 0449 2,1 0440 0431 0422 0413 0404 0396 0387 0379 0371 0363

2,2 0355 0347 0339 0332 0325 0317 0310 0303 0297 0290

2,3 0283 0277 0270 0264 0258 0252 0246 0241 0235 0229

2,4 0224 0219 0213 0208 0203 0198 0194 0189 0184 0180

2,5 0175 0171 0167 0163 0158 0154 0151 0147 0143 0139

2,6 0136 0132 0129 0126 0122 6119 0116 0113 0110 0107

2,7 0104 0101 0099 0096 0093 0091 0088 0086 0084 0081

2,8 0079 0077 0075 0073 0071 0069 0067 0065 0063 0061

2,9 0060 0058 0056 0055 0053 0051 0050 0048 0047 0046

3,0 0,0044 0043 0042 0040 0039 0038 0038 0036 0035 0034 3,1 0033 0032 0031 0030 0029 0028 0027 0026 0025 0025

3,2 0024 0023 0022 0022 0021 0020 0020 0019 0018 0018

3,3 0017 0017 0016 0016 0015 0015 0014 0014 0013 0013

3,4 0012 0012 0012 0011 0011 0010 0010 0010 0009 0009

3,5 0009 0008 0008 0008 0007 0007 0007 0007 0007 0006

3,6 0006 0006 0006 0005 0005 0005 0005 0005 0005 0004

3,7 0004 0004 0004 0004 0004 0004 0003 0003 0003 0003

3,8 0003 0003 0003 0003 0003 0002 0002 0002 0002 0002

3,9 0002 0002 0002 0002 0002 0002 0002 0002 0001 0001


БГУИР

65


Значения функции Лапласа 2

0

1( ) exp

22

x xx dx

х 0 1 2 3 4 5 6 7 8 9

0,0 0,0000 0004 0080 0120 0159 0199 0239 0279 0319 0359

0,1 0398 0438 0478 0517 0556 0596 0636 0675 0714 0753

0,2 0792 0832 0871 0909 0948 0987 1025 1064 1103 1141

0,3 1179 1217 1255 1293 1331 1368 1406 1443 1480 1517

0,4 1554 1591 1628 1664 1700 1736 1772 1808 1844 1879

0,5 1915 1949 1985 2019 2054 2088 2126 2156 2190 2224

0,6 2257 2291 2324 2356 2389 2421 2453 2485 2517 2549

0,7 2580 2611 2642 2673 2704 2734 2764 2793 2823 2852

0,8 2881 2910 2939 2967 2995 3023 3051 3078 3105 3123

0,9 3159 3186 3212 3238 3264 3289 3315 3340 3364 3389

1,0 0,3413 3437 3461 3485 3508 3531 3554 3577 3599 3621

1,1 3643 3665 3686 3707 3729 3749 3770 3790 3810 3830

1,2 3849 3869 3888 3906 3925 3943 3961 3980 3997 4015

1,3 4032 4049 4066 4082 4099 4115 4131 4147 4162 4177

1,4 4192 4207 4222 4236 4250 4265 4278 4292 4306 4319

1,5 4332 4345 4357 4370 4382 4394 4406 4418 4430 4441

1,6 4452 4463 4474 4484 4495 4505 4515 4525 4535 4544

1,7 4554 4563 4573 4582 4591 4599 4608 4616 4625 4633

1,8 4641 4648 4656 4664 4671 4678 4685 4693 4699 4706

1,9 4713 4719 4726 4732 4738 4744 4750 4755 4761 4767

2,0 0,4772 4778 4783 4788 4793 4798 4803 4808 4812 4817

2,1 4821 4825 4830 4834 4838 4842 4846 4850 4854 4857

2,2 4861 4864 4868 4871 4874 4878 4881 4884 4887 4890

2,3 4893 4896 4898 4901 4904 4906 4909 4911 4913 4916

2,4 4918 4920 4922 4924 4927 4929 4930 4932 4934 4936

2,5 4938 4940 4941 4943 4945 4946 4948 4949 4951 4952

2,6 4953 4954 4956 4957 4958 4959 4961 4962 4963 4964

2,7 4965 4966 4967 4968 4969 4970 4971 4972 4973 4974

2,8 4974 4975 4976 4977 4977 4978 4979 4979 4980 4981

2,9 4981 4982 4982 4983 4984 4984 4985 4985 4986 4986

3,0 0,49865 3,1 0,49903 3,2 0,49931 3,3 0,49952 3,4 0,49966 3,5 0,49977

3,6 0,49984 3,7 0,49989 3,8 0,49993 3,9 0,49995 4,0 0,499968 5,0 0,4999


БГУИР

66


Таблица распределения Стьюдента ,

,

( )k

k

t

t

t

f x dx

k

0,90 0,95 0,98 0,99

1 6,31 12,71 31,8 63,7

2 2,92 4,30 6,96 9,92

3 2,35 3,18 4,54 5,84

4 2,13 2,77 3,75 4,60

5 2,02 2,57 3,36 4,03

6 1,943 2,45 3,14 4,71

7 1,895 2,36 3,00 3,50

8 1,860 2,31 2,90 3,36

9 1,833 2,26 2,82 3,25

10 1,812 2,23 2,76 3,17

12 1,782 2,18 2,68 3,06

14 1,761 2,14 2,62 2,98

16 1,746 2,12 2,58 2,92

18 1,734 2,10 2,55 2,88

20 1,725 2,09 2,53 2,84

22 1,717 2,07 2,51 2,82

24 1,711 2,06 2,49 2,80

30 1,697 2,04 2,46 2,75

40 1,684 2,02 2,42 2,70

60 1,671 2,00 2,39 2,66

120 1,658 1,980 2,36 2,62

1,645 1,960 2,33 2,58 Библиотека

БГУИР

67


Таблица распределения 2 2 2

,( )kp

k

0,01 0,02 0,05 0,95 0,98 0,99

1 6,64 5,41 3,84 0,004 0,001 0,000

2 9,21 7,82 5,99 0,103 0,040 0,020

3 11,34 9,84 7,82 0,352 0,185 0,115

4 13,28 11,67 9,49 0,711 0,429 0,297

5 15,09 13,39 11,07 1,145 0,752 0,554

6 16,81 15,03 12,59 1,635 1,134 0,872

7 18,48 16,62 14,07 2,17 1,564 1,239

8 20,10 18,17 15,51 2,73 2,03 1,646

9 21,07 19,68 16,92 3,32 2,53 2,09

10 23,20 21,2 18,31 3,94 3,06 2,56

12 26,2 24,1 21,0 5,23 4,18 3,57

14 29,1 26,9 23,7 6,57 5,37 4,66

16 32,0 29,6 26,3 7,96 6,61 5,81

18 34,8 32,3 28,9 9,39 7,91 7,02

20 37,6 35,0 31,4 10,85 9,24 8,26

22 40,3 37,7 33,9 12,34 10,60 9,54

24 43,0 40,3 36,4 13,85 11,99 10,86

26 45,6 42,9 38,9 15,38 13,41 12,20

28 48,3 45,4 41,3 16,93 14,85 13,56

30 50,9 48,0 43,8 18,49 16,31 14,95

f (x)

k


БГУИР

68


Таблица распределения Колмогорова

(0 )p

0,50 0,0361

0,54 0,0675

0,58 0,1104

0,62 0,1632

0,66 0,2236

0,70 0,2888

0,74 0,3560

0,78 0,4230

0,82 0,4880

0,86 0,5497

0,90 0,6073

0,94 0,6601

0,98 0,7079

1,02 0,7500

1,06 0,7889

1,10 0,8223

1,14 0,8514

1,18 0,8765

1,22 0,8981

1,26 0,9164

1,30 0,9319

1,34 0,9449

1,38 0,9557

1,42 0,9646

1,46 0,9718

1,50 0,9778

1,54 0,9826

1,58 0,9864

1,62 0,9895

1,66 0,9918

1,70 0,9938

1,74 0,9953

1,78 0,9965

1,82 0,9973

1,86 0,9980

1,90 0,9985

1,94 0,9989

1,98 0,9992

f (x)


БГУИР

69


ВАРИАНТЫ КОНТРОЛЬНОЙ РАБОТЫ

Вариант 1

1.1. Телеграфное сообщение состоит из символов «точка» и «тире».

Статистические свойства помех таковы, что искажается в среднем 2/5

сообщений «точка» и 1/3 сообщений «тире». Известно, что среди передаваемых

сигналов «точка» и «тире» встречаются в соотношении 5:3. Определить

вероятность того, что принят передаваемый сигнал, если принято «тире».

1.2. Имеется случайная величина Х, принимающая значения

1 2 31, 2, 3x x x . Известно, что 1,6; 0,44X Xm D . Найти ряд распределения

вероятностей случайной величины Х.

1.3. В нормально распределенной случайной совокупности 15 % значений

X меньше 12 и 40 % значений больше 16,2. Найти среднее значение и среднее

квадратическое отклонение данного распределения.

Вариант 2

2.1. Прибор содержит два блока, исправность каждого из которых

необходима для функционирования прибора. Вероятности безотказной работы

в течение времени Т для этих блоков соответственно равны 0,4 и 0,5. Прибор

испытывался в течение времени Т и вышел из строя. Определить вероятность

того, что отказал первый блок.


1 2 30, 1, 2x x x . Известно, что 21,3; ( ) 2,1Xm x . Найти ряд распределения

вероятностей случайной величины Х.

2.3 Вероятность того, что случайная величина с нормальным

распределением примет значение не большее 1, составляет 0,5. Кроме того,

вероятность превышения ею уровня 5,0 составляет 0,0228. Определить для этой

случайной величины: а) математическое ожидание; б) дисперсию;

в) вероятность того, что она примет значение, меньшее 3,0.

Вариант 3

3.1. Прибор содержит два блока, исправность каждого из которых

необходима для функционирования прибора. Вероятности безотказной работы

в течение времени Т для этих блоков соответственно равны 0,4 и 0,5. Прибор

испытывался в течение времени Т и вышел из строя. Определить вероятность

того, что отказали оба блока.


1 2 31, 0, 1x x x . Известно, что 0,1; 0,89X Xm D . Найти ряд

распределения вероятностей случайной величины Х.

3.3. СВ X распределена нормально с mX = 12,5. Вероятность попадания СВ

X в интервал ]10, 15[ равна 0,2. Чему равна вероятность попадания в интервал

]35, 40[?


БГУИР

70

Вариант 4

4.1. По линии связи передается кодированный с помощью букв А, В, С

текст. Вероятности передачи отдельных букв таковы:

( ) 0,5; ( ) 0,3; ( ) 0,2p A p B p C . Вероятности искажения при передаче

отдельных букв равны соответственно 0,01; 0,03; 0,02. Установлено, что текст

из двух букв принят без искажений. Чему равна вероятность того, что

передавался сигнал АВ?


1 2 32, 1, 0x x x . Известно, что 21,4; ( ) 2,4Xm x . Найти ряд

распределения вероятностей случайной величины Х.

4.3. Имеется случайная величина X, подчиненная нормальному закону с

математическим ожиданием m и средним квадратическим отклонением σ.

Требуется приблизительно заменить нормальный закон равномерным так,

чтобы сохранились неизменными основные характеристики случайной

величины: математическое ожидание и дисперсия.


БГУИР

71

Список использованных источников

1. Вентцель, Е. С. Теория вероятностей и ее инженерные приложения /

Е. С. Вентцель, Л. А. Овчаров. – 2-е изд., стер. – М. : Высш. шк., 2000. – 481 с.

2. Вентцель, Е. С. Теория вероятностей и математическая статистика :

учебник / Е. С. Вентцель. – 5-е изд., стер. – М. : Кнорус, 2010. – 576 с.

3. Герасимович, А. И. Математическая статистика / А. И. Герасимович. –

Минск : Выш. шк., 1983. – 279 с.

4. Гмурман, В. Е. Теория вероятностей и математическая статистика /

В. Е. Гмурман. – М. : Высш. шк., 2003. – 479 с.

5. Жевняк, Р. М. Теория вероятностей и математическая статистика :

учеб. пособие / Р. М. Жевняк, А. А. Карпук, В. Т. Унукович. – Минск : Харвест,

2000. – 384 с.

6. Методические указания и контрольные задания по курсу «Теория

вероятностей и математическая статистика» для студентов всех специальностей

БГУИР заочной формы обучения / А. В. Аксенчик [и др.]. – Минск : БГУИР,

2002. – 60 с.


БГУИР

72

Св. план 2016, поз. 30

Учебное издание

Волковец Александр Иванович

Гуринович Алевтина Борисовна

Гуревич Александр Владимирович и др.

ТЕОРИЯ ВЕРОЯТНОСТЕЙ И МАТЕМАТИЧЕСКАЯ

СТАТИСТИКА

УЧЕБНО-МЕТОДИЧЕСКОЕ ПОСОБИЕ

Редактор Е. С. Чайковская

Корректор Е. Н. Батурчик

Компьютерная правка, оригинал-макет А. А. Лущикова

Подписано в печать 07.12.2016. Формат 60×84 1/16. Бумага офсетная. Гарнитура «Таймс».

Отпечатано на ризографе. Усл. печ. л. 4,3. Уч.-изд. л. 4,0. Тираж 300 экз. Заказ 64.

Издатель и полиграфическое исполнение: учреждение образования

«Белорусский государственный университет информатики и радиоэлектроники».

Свидетельство о государственной регистрации издателя, изготовителя,

распространителя печатных изданий №1/238 от 24.03.2014,

№2/113 от 07.04.2014, №3/615 от 07.04.2014.

ЛП №02330/264 от 14.04.2014.

220013, Минск, П. Бровки, 6


БГУИР

Documents

БГУИР...2 УДК 519.2(075.8) ББК 22.171+22.172я73. Т33 . Авторы: А. И. Волковец, А. Б. Гуринович, А. В. Гуревич, И. Е